使用pyltp库完成对file_1.txt文件分词，建立文档集词表，统计词出现的概率（不使用其他已有的方法包)，列出Top 100的高频词，给出实现这些功能的完整代码

在Python中，我们可以使用Pyltp（Chinese LTP Library）来进行中文分词和概率计算。以下是一个简单的示例，说明如何完成这个任务：

首先，你需要安装`jieba-ltp`库，这是Pyltp的一个封装，可以方便地处理中文文本。你可以通过pip安装：

pip install jieba-ltp

然后，以下是一段完整的代码，它会读取`file_1.txt`文件，分词，建立词频统计，并输出Top 100的高频词：

import os
from collections import Counter

# 导入LTP分词模块
from pyltp import Segmentor

# 初始化分词器
segmentor = Segmentor()
segmentor.load("path_to_ltp_model")  # 需要替换为你的LTP模型路径

def segment_and_count(file_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        text = f.read()

    words = []
    for sentence in segmentor.segment(text):
        words.extend(sentence)

    # 统计词频
    word_counter = Counter(words)
    
    return word_counter

def top_100_words(word_counter):
    # 输出Top 100高频词及其频率
    top_100 = word_counter.most_common(100)
    print("Top 100 High-Frequency Words:")
    for word, freq in top_100:
        print(f"{word}: {freq}")

# 定义文件路径
file_path = "file_1.txt"

# 分词并统计词频
word_freq = segment_and_count(file_path)

# 计算并打印Top 100高频词
top_100_words(word_freq)

# 关闭分词器
segmentor.release()

请确保替换`"path_to_ltp_model"`为你本地的LTP模型路径。注意，LTP模型通常包含词典、词性标注等资源，需要一起下载并指定正确的路径。