自然言語処理(NLP)では，N-gramのゆう度比を頻度情報から推定することがある．コーパスが含むN-gramはごく一部であり，そのほとんどは出現頻度が低い．このとき頻度による単純なゆう度比推定法は，低頻度から計算される推定値を不当に高く見積もり，コーパスで未観測のゼロ頻度N-gramには有用な推定値を算出できない．ゼロ頻度N-gramへの対策として，N-gramを文字や単語などの離散値に分解し，それらのゆう度比の積を取る方法が考えられる．更に，頻度に応じてゆう度比を低めに見積もる推定法を，個々のゆう度比推定へと適用し，低頻度に対する過大推定を抑制できる．しかしこの方法では多くの離散値を扱うため，推定に要する実行時間やメモリ使用量が増加する．加えて不要な離散値を用いると推定精度が低下する．そこで本論文では，先述の方法と文書分類で用いられる特徴選択法を組み合わせる．有用な離散値のみを選択して用い，推定精度の低下を抑制しつつ推定効率の向上を図る．コーパスから固有表現の文脈をゆう度比で予測する実験を行い，提案する推定法が低頻度及びゼロ頻度N-gramに対し，効果的かつ効率的な推定結果を提供することを示す．