トライグラム・とは？初心者が押さえる基本と使い方ガイド共起語・同意語・対義語も併せて解説！

この記事を書いた人

高岡智則

年齢：33歳性別：男性職業：Webディレクター（兼ライティング・SNS運用担当）居住地：東京都杉並区・永福町の1LDKマンション出身地：神奈川県川崎市身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる）血液型：A型誕生日：1992年11月20日最終学歴：明治大学・情報コミュニケーション学部卒通勤：京王井の頭線で渋谷まで（通勤20分）家族構成：一人暮らし、実家には両親と2歳下の妹恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）

トライグラム・とは？

トライグラムは三語や三文字の連続を意味する用語です。自然言語処理の世界ではテキストを分析する基本的な道具の一つとして使われます。三つの連続した要素を1つの単位として扱い、次に来る要素を予測したり、文の特徴をつかんだりします。

この考え方には主に二つの見方があります。1つは文字レベルのトライグラム、もう1つは単語レベルのトライグラムです。日本語の文章では語の境界を正しく決めることが難しく、形態素解析と呼ばれる前処理を使って語を区切ることが多いです。

トライグラムの種類

文字レベルのトライグラム 文字単位で連続する3文字を取り出します。日本語では文脈が細かく変わることがあるため、データ量を増やすときにうまく使う工夫が必要です。

単語レベルのトライグラム 単語単位で連続する3語を取り出します。検索や文章生成ではこちらが直感的で扱いやすいことが多いです。

なぜトライグラムが必要なのか

トライグラムを使うと、文脈の手掛かりを3要素分だけ切り出して分析できます。例えば次に来る語を予測したり、検索クエリの関連語を見つけたりできます。大きなデータからパターンを見つけるのにも向いています。

実生活での活用例

検索結果の順位を改善するには、トライグラムを使って頻繁に一緒に出現する語の組み合わせを把握します。文章生成のアプリでは、前の2語を基に3語目を決めることがあります。メールの自動返信やチャットボットの応答にも利用されます。

小さな例で理解を深める

以下は短い例です。実務ではもっと長いテキストで学習します。

例文私は犬が好きです

三語の連続例 単語レベル: 私は犬が / 犬が好き / 好きです

表でのイメージ

例文	三語の連続（単語レベル）
私は犬が好きです	私は犬が / 犬が好き / 好きです

この例はあくまでイメージのためのものです。現実の言語処理ではより多くの文を学習データとして扱い、統計的な確率を計算します。

トライグラムの同意語

3-gram: 英語表記の用語で、3つの連続する語が作る語列のこと。テキストデータの特徴量としてよく使われ、単語の並びのパターンを捉えるのに役立つ。
三語連続: 3語が連続して並ぶ語列のこと。自然言語処理でトライグラムと同義に使われる日本語表現。
三語連結: 3語がつながってできる語列のこと。分析の単位として扱われる。
三連語: 三つの語から成る語列の総称。トライグラムの日本語表現として用いられることがある。
3連語: 3つの語からなる語列。トライグラムの別名として使われることもある表現。
三語語列: 3語からなる語列。自然言語処理でトライグラムの説明に使われる表現。
3語の語列: 3語からなる語の列のこと。トライグラムの説明で使われる一般的な表現。

トライグラムの対義語・反対語

モノグラム: 1語（または1文字）の連続を表すN-gram。トライグラムに対する“対極”的な小さな単位で、語や文字の最小単位の連結を分析する際に使われます。
ダイグラム: 2語の連続を表すN-gram。トライグラムより短く、基本的な連語の組み合わせを捉えます。用途例：二語の共起パターンの分析。
ビグラム: 2語の連続を表すN-gram。ダイグラムと同義の別表記。ダイグラムと同じ用途で使われます。
クアドラグラム: 4語の連続を表すN-gram。長めの語句の連携や文脈を分析する際に用いられます。
ペンタグラム: 5語の連続を表すN-gram。長い語句や文脈の特徴を捉えるのに適しています。
ゼログラム: 0語の連続。実質的には存在しませんが、概念として、語の連携が全く無い状態を指すことがあります。

トライグラムの共起語

ユニグラム: 1語（単語1つ）だけの連続を表す語の単位。NLPで基本的な特徴量として使われます。
バイグラム: 隣接する2語の連続パターン。文の局所的な意味をとらえるのに有用です。
N-gram: 任意のN語の連続パターンの総称。トライグラムもこのカテゴリに含まれます。
三語連語: 3語が並んで意味を成す語の組み合わせ。特定の意味の塊を表すのに使われます。
3語連語: 3語連語の別表現。3語の連続語パターンを指します。
自然言語処理: 人が日常的に使う言語を機械に理解・処理させる研究分野。
テキストマイニング: 大量のテキストデータから有用な情報を抽出する技術。
コーパス: 分析対象となる大規模なテキストデータの集合。
トークン化: テキストを意味のある最小単位（トークン）に分割する処理。
トークン: テキストの最小単位。単語や記号などが該当します。
形態素解析: 日本語などの語を品詞などに分解する処理。
語彙: 文章で使われる語の集合。
単語: 文を構成する基本的な語の単位。
連語: 意味のある語の結びつき。3語以上の連続語を指すこともあります。
連語パターン: 一定の語順で現れる語の組み合わせのパターンの総称。
言語モデル: 文の出現確率を推定する統計的モデル。
3-gram言語モデル: 3語の連続パターンを前提とした言語モデル。
統計的言語モデル: データから語の出現確率を推定するモデルの総称。
BoW: Bag of Words。文を語の出現頻度で表現し、語順を無視します。
TF-IDF: 語の重要度を測る指標。頻繁に出現するが文書全体で希少な語を重視します。
前処理: 分析前にデータを整形・クレンジングする一連の作業。
パターン抽出: テキスト中の特定の語順パターンや連語を見つけ出す作業。
出現頻度: 特定の語や語の組み合わせがデータ内に現れる回数。
頻度: 出現頻度の略語表現。
コサイン類似度: 特徴ベクトル間の類似度を測る指標。n-gramを用いた場合にも利用されます。
スパース性: 高次のn-gramは起こりにくくデータが分散する性質。
次元の呪い: 特徴量が増えるとデータ量が不足し学習が難しくなる現象。
学習データ: モデルを学習するための実データ。
訓練データ: モデルを訓練するためのデータ。

トライグラムの関連用語

N-gram（エヌグラム）: 言語処理で、連続するn個の要素（語や文字）を1つの単位として扱う考え方。nが3ならトライグラム、4ならクアッドグラムなどと呼ぶ。
ユニグラム（1-グラム）: 1つの要素だけから成る単位。語なら1語、文字なら1文字を指す。頻度分析の基本単位として使われる。
バイグラム（2-グラム）: 隣接する2つの要素の組み合わせ。語ベース・文字ベースの特徴を捉えるのに用いられる。
トライグラム（3-グラム）: 3つの連続する要素の組み合わせ。言語モデルや検索の文脈推定に活用される。
クアッドグラム（4-グラム）: 4つの連続する要素の組み合わせ。長めの文脈を扱いたいときに使われることがある。
文字ベースN-gram: 文字を単位としてn-gramを作成する手法。日本語のような語彙連結が複雑な言語で有効な場合がある。
語ベースN-gram: 語を単位としてn-gramを作成する手法。検索や分類、文書要約などでよく使われる。
N-gram言語モデル: 過去のn-gramの出現確率から、次の語の確率を予測する統計モデル。
最大尤度推定（MLE）: 訓練データからn-gramの条件付き確率を推定する基本的な方法。データ量が多いほど安定する。
平滑化: データが少なくて見られなかったn-gramに対しても一定の確率を割り当て、確率分布を滑らかにする技術。
ラプラス平滑: 未知のn-gramにも同じ小さな確率を加算して割り当てる最も基本的な平滑化法。
加法平滑: 各出現回数に一定の値を足して確率を計算する平滑化の一種。MLEの偏りを緩和する。
Kneser-Ney平滑: 語の出現履歴と連結性を重視する、高度な平滑化手法。特に言語モデルで性能が良い。
バックオフ法: 未知のn-gramが見つからない場合、より短い長さのn-gramで代替して確率を推定する手法。
補間法: 複数の長さのn-gramの確率を組み合わせて最終確率を作る方法。
トライグラムインデックス: 検索エンジンやスペルチェッカーで、3連続の要素を素早く照合できるようにするインデックス。
Q-gram法: nを任意に設定できる文字列照合の一般的な技法。近似照合やスペル訂正に用いられる。
トライグラム照合: 2つの文字列のトライグラムの一致度を基準に類似度を算出する照合手法。
近似文字列マッチング: 誤字脱字のある文字列同士をn-gramで比較して類似性を評価する技術。
分かち書き（トークン化）: 日本語などの文章を意味のある単位（語・または文字）に分割する処理。n-gram作成の前処理として重要。
困惑度（Perplexity）: 言語モデルの予測力を示す指標。値が低いほどモデルの予測が良いとされる。