在自然语言处理中，经常会遇到要计算单词或者句子在词典或文档中出现的频次，但是会存在某个单词在词典中没有出现的情况，计算时概率为0，为了改善这种情况，人们提出的平滑方法。
1、Add-one Smoothing(Laplace Smoothing)
2、Add-k Smoothing
3、Interpolation
4、Good-Turning Smoothing
以Bigram为例。
在计算某个单词在语料库中的Bigram时，其计算公式为：
MLE为最大似然估计
使用Add-one Smoothing后，计算公式为：
V为词典库的大小。
使用Add-k Smoothing后，计算公式为：
而使用Interpolation方法。核心思路是在计算Trigram概率的同时考虑Unigram,Bigram,Trigram出现的频次。
计算公式为：
对于Good Turning Smoothing
出现C次的单词的个数
对于没有出现过的单词， = 0，使用GT公式：
/
,N1为出现1次的单词个数，N为单词的总个数。
对于出现过的单词 ， ,使用GT公式：