n-gramma

In T-LAB un n-gramma è una sequenza di due (bi-gramma) o più parole chiave presenti all’interno dello stesso contesto elementare.

Il suo uso è riservato al calcolo delle co-occorrenze e, all’interno dello stesso contesto elementare, la contiguità delle parole considerate non tiene conto né delle ‘parole vuote’ (cioè stop-word) né della punteggiatura.

Prendiamo, ad esempio, il seguente contesto elementare:

L’Italia è una Repubblica democratica, fondata sul lavoro.

Supponendo che i cinque item in rosso siano inclusi nella nostra lista di parole chiave, la suddivisione in bi-grammi produce i seguenti contesti di co-occorrenza:

Italia & Repubblica
Repubblica & democratica
democratica & fondata
fondata & lavoro.

Diversamente, nel caso di tri-grammi il risultato sarebbe il seguente:

Italia & Repubblica & democratica
Repubblica & democratica & fondata
democratica & fondata & lavoro
fondata & lavoro.

E’ importante sottolineare che, nel caso dei contesti elementari, le co-occorrenze sono basate sulla presenza delle parole nello stesso ‘luogo’ (es. frase, paragrafo etc.); diversamente, nel caso degli n-grammi, le co-occorrenze sono basate su una relazione di contiguità.

In T-LAB l’analisi delle co-occorrenze basate su n-grammi può essere realizzata con lo strumento Associazioni di Parole. Inoltre, l’analisi markoviana dei bi-grammi può essere effettuata con lo strumento Analisi delle Sequenze.