和前一篇介紹的最大概率分詞比較，2-gram分詞也是一種最大概率分詞，只不過在計算一個詞概率的時候，它不光考慮自己，還會考慮它的前驅。
我們需要兩個字典。第一個字典記錄詞\(w_i\)出現的頻次，第二個字典記錄詞對兒<\(w_j,w_i\)>共同出現的頻次。有這兩份字典，我們就可以計算出條件概率\(p(w_i|w_j)=p(w_i,w_j)/p(w_j)\)。
為了直觀表示計算過程，我們還是構建出一個圖出來。跟上一篇不同，這里換個方向，我們考慮結束字，而不是開始字，因為是后面的詞依賴前面的詞。
這里必須說明一個問題。n-gram是基於HMM的，它假定后面的狀態不會影響前面的狀態，因此當前面部分的分詞已經分完之后，它就不在受后面詞的影響了。當然，現實情況中不是這樣個樣子的，比如abcd中的abc不考慮d的最好分詞是a/bc，如果考慮了d就可能是a/bc了。為了簡單，這里先不做考慮。
那么，假設\(\alpha_i\)是以i結尾的最優分詞的累計概率，j是i的鄰接點，容易得到\(\alpha_i=max_jp(w(j,i)|w(?,j-1))*\alpha_{j-1}\).這里w(?,j-1)是以j-1結束的分詞結果中的最后一個詞。
可以看出這也是個動態規划問題，基本形式和上一篇最大概率分詞區別不大。
具體的代碼可以去