Englische Bigramme

Der Datensatz enthält die häufigsten Buchstabenbigramme englischen Sprache. Also die prozentuale Häufigkeit von jeder möglichen Kombination aus 2 Buchstaben. Man kann damit also eine automatisierte Spracherkennung von beliebigen Texten durchführen. Die Daten sind in den Formaten SQL, CSV und auch XLS für Excel vorhanden. Encoding ist UTF8.

Ausschnitt aus den Daten:


INSERT INTO `ngramme` (`id`, `n`, `buchstabe`, `count`, `percent`) VALUES
(127, 2, 'th', 14320528, 0.0191269653477765),
(128, 2, 'he', 13799443, 0.0184309871870379),
(130, 2, 'in', 11201233, 0.0149607329732095),
(133, 2, 'er', 10094645, 0.0134827378650498),
(134, 2, 'an', 9888662, 0.0132076202364797),
(137, 2, 're', 8086665, 0.0108008141343725),
(138, 2, 'on', 7659756, 0.0102306205179322),
(141, 2, 'at', 6313486, 0.00843249829515169),
(143, 2, 'nd', 6190383, 0.00826807790400359),
(144, 2, 'or', 6170943, 0.00824211320449245),
(146, 2, 'ed', 6081354, 0.00812245520734724),
(147, 2, 'en', 6013232, 0.00803146923717762),
(148, 2, 'es', 5986226, 0.00799539914072712),
(150, 2, 'ar', 5826560, 0.00778214401150157),
(151, 2, 'is', 5819185, 0.00777229372040617),
(152, 2, 'te', 5772226, 0.00770957374487411),
(154, 2, 'ti', 5464381, 0.0072984058991434),
(155, 2, 'al', 5054702, 0.00675122523396739)
...


Was sind Bigramme ?
Bigramme sind zwei aufeinander folgende Wörter oder Buchstaben in einem Text. Sie werden in der Sprachwissenschaft und in der Computersprachverarbeitung verwendet, um das Verständnis für die Bedeutung eines Textes oder Satzes zu verbessern.