N-gram是文档或查询中 “N” 个连续单词的序列，并且它们通常用于信息检索 (IR) 中以捕获本地单词模式和上下文信息。例如，二元组是指两个连续的单词，而三元组是指三个连续的单词。
在IR中，n-gram可用于通过捕获可能带有特定含义的多词表达式或短语来改进查询匹配。例如，在搜索 “机器学习” 时，双词 “机器学习” 可以帮助系统匹配具体包含该短语的文档，而不仅仅是单独的单词 “机器” 和 “学习”。
N-gram通过允许系统更好地理解搜索查询和文档的上下文来帮助增强检索过程。通过考虑多个单词序列，n-gram可以提高搜索准确性，尤其是在精确的单词顺序或短语匹配很重要的情况下。它们广泛用于文本分类，聚类和查询扩展等任务。