形態素解析で単語に区切った3文、文1「私 は 本 を 読む」、文2「私 は 映画 を 見る」、文3「彼 は 本 を 買う」をコーパスとして、単語のbi-gram（2-gram）言語モデルを作る。P(B|A)は「Aの直後にBが現れる回数÷Aの出現回数」で推定する。文「私 は 本 を 買う」についてP(は|私)×P(本|は)×P(を|本)×P(買う|を)を求め、小数第4位を四捨五入した値として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：bi-gram言語モデルの確率
ポイント
bi-gramモデルは、文の確率を直前の1語を条件とする確率の積で近似します。コーパスにない文にも確率を与えられます。
選択肢ごとの解説
- A
適切 正解
P(は|私)＝2÷2＝1、P(本|は)＝2÷3、P(を|本)＝2÷2＝1、P(買う|を)＝1÷3です。積は1×2/3×1×1/3＝2/9≒0.222になります。各単語の確率を、直前の1語だけを条件にして決めています。
- B
不適切
分母を後ろの語の出現回数にすると、2/3×1×2/3×1＝4/9≒0.444になります。P(B|A)は「Aが出たとき、次にBが来る割合」なので、分母は直前の語Aの出現回数です。
- C
不適切
最後のP(買う|を)＝1/3だけを答えた値です。bi-gramが直前の1語だけを見るのは各単語の確率についての話で、文全体の確率は、各単語の条件付き確率をすべて掛け合わせて求めます。
- D
不適切
「私 は 本 を 買う」という文はコーパスにありませんが、これを構成する4つの2語の並びはどれもコーパスに現れます。bi-gramモデルは短い並びの確率を組み合わせるため、未出現の文にも0でない確率を与えられます。
補足
nを大きくすると、より長い文脈を考慮できます。その一方で、ありうる語の並びの種類が急増し、コーパスに一度も現れない並びが増えます。そうした並びを含む文の確率は0になってしまうため、確率の一部を未出現の並びに割り当てるスムージングなどの工夫が使われます。なお、n-gramは文字単位でも作れ、全文検索の索引などにも使われます。
試験での狙われ方
n-gramのnが何を表すかや、nを大きくしたときに語の並びの種類が急増してデータが足りなくなる点を問う形が見られます。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目27 自然言語処理）
- Jurafsky, Martin, Speech and Language Processing (3rd ed. draft) （Chapter 3 N-gram Language Models (August 2026 release)）