G検定（ジェネラリスト検定） 人工知能とその動向 練習問題 第47問: 統計的自然言語処理のバイグラム（bigram）モデルでは、直前の語がvのときに次の語がwになる確率P(w｜v)を、コーパスでの出現回数から最尤推定で求める。次の

2/3が適切です。Jurafsky・Martin『Speech and Language Processing』第3章は、バイグラムの確率の最尤推定を、2語の並びの出現回数C(v w)を直前の語の出現回数C(v)で割った相対頻度として示しています。

式はP(w｜v)＝C(v w)÷C(v)です。「赤い」は文1・文3・文4に計3回、「赤い 花」の並びは文1・文4に計2回現れるので、P(花｜赤い)＝2÷3＝2/3です。

2/27は、並びの回数2をコーパス全体の語数27で割った値で、条件付き確率ではなく全体に占める並びの割合を求めています。1/2は、並びの回数2を「花」の出現回数4で割った値で、条件の向きが逆です。

4/27は「花」単独の出現率で、直前の語を使っていません。分母は直前の語vの出現回数になる点を押さえましょう。