信息检索 (IR) 中的 N-grams 是从文本中提取的连续的 n 个项目（单词、字符或标记）的序列，用于改进文档和查询的处理方式。通过将文本分解为重叠或相邻的块，n-grams 有助于捕捉术语之间的上下文和关系，而单个单词（unigrams）可能会错过这些上下文和关系。例如，将“机器学习”的搜索查询视为一个 bigram（双词序列），可以确保系统查找的是完全匹配的短语，而不是将“机器”和“学习”视为单独的、不相关的术语。 这种方法通过保留语义含义并减少查询和文档中的歧义来提高精度。
在实践中，n-grams 在索引和查询处理期间使用。在构建倒排索引时，IR 系统可能会将文本标记化为不同长度的 n-grams（例如，unigrams、bigrams、trigrams）以支持灵活的匹配。例如，包含“纽约市”的文档可以拆分为 bigrams，如["纽约"，"约市”] 和 trigrams，如 [“纽约市”], 允许搜索“约市”直接匹配该 bigram。当应用于字符级别时，N-grams 还可以处理部分或拼写错误的查询。例如，像“aple”这样的拼写错误可以表示为 trigrams ["ap", "pl", “le”], 它可能仍然匹配模糊搜索中的“apple”（trigrams ["app", "ppl", “ple”]）。这在自动完成系统或拼写检查功能中特别有用。
然而，n-grams 也有权衡。更大的 n 值（例如，trigrams）会增加索引大小和计算开销，因为存储的唯一术语更多。例如，用 bigrams 而不是 unigrams 索引 10,000 个文档可能会使索引条目的数量增加一倍。此外，并非所有的 n-grams 都有意义——像“the and”或“is of”这样的短语会增加噪声。开发人员通常通过将 n-grams 与过滤器（例如，删除停用词）或使用混合方法（例如，将 unigrams 与选择性的 bigrams 混合）来缓解这种情况。尽管存在这些挑战，但 n-grams 仍然是在 IR 系统中平衡特异性和灵活性的直接而有效的方法，尤其是在需要精确的短语匹配或容错的情况下。