Deutsche Trigramme

Der Datensatz enthält die häufigsten Buchstabentrigramme deutschen Sprache. Also die prozentuale Häufigkeit von jeder möglichen Kombination aus 3 Buchstaben. Man kann damit z.B. eine automatisierte Spracherkennung von beliebigen Texten durchführen. Die Daten sind in den Formaten SQL und CSV. Die Zeichencodierung ist UTF8.

Ausschnitt aus den Daten:

INSERT INTO `ngramme` (`id`, `n`, `buchstabe`, `count`, `percent`) VALUES
(9015, 3, 'der', 1466004, 0.00765538408168634),
(9017, 3, 'ein', 1241199, 0.00648146598972786),
(9018, 3, 'sch', 1205611, 0.00629562760954673),
(9019, 3, 'ich', 1195695, 0.00624384685822955),
(9022, 3, 'che', 1014516, 0.00529774109553323),
(9023, 3, 'die', 913767, 0.00477163592061842),
(9024, 3, 'und', 904872, 0.00472518676945198),
(9028, 3, 'den', 821339, 0.00428898250364131),
(9030, 3, 'ine', 775831, 0.0040513424843853),
(9031, 3, 'ten', 764684, 0.00399313352563856),
(9033, 3, 'ung', 706683, 0.00369025581717263),
(9034, 3, 'nde', 684003, 0.00357182223106192),
(9035, 3, 'gen', 647717, 0.00338233893716363),
(9038, 3, 'ter', 600607, 0.00313633337095219),
(9039, 3, 'hen', 598021, 0.00312282943560464),
(9040, 3, 'cht', 576579, 0.00301086061049944),
...


Was sind Trigramme ?
Trigramme sind Sequenzen aus drei Buchstaben oder Wörtern, die zusammen eine einzigartige Bedeutung haben. Sie können verwendet werden, um gesuchte Wörter oder Sätze zu identifizieren oder vorhersagbare Muster in Texten zu finden. Beispiele für Trigramme sind "XYZ", "ABC" und "THX".