数据稀疏是统计语言模型的原罪

N-gram模型的指数级增长（V^N）意味着大部分可能的词组合在任何有限语料中都从未出现过。平滑技术的本质是"用没有见过的证据做预测"——这个困境在所有依赖数据的领域都存在（推荐系统、风控模型）。