帮我补充代码：class LanguageModel: """对unigram和bigram的先验概率进行建模。""" def __init__(self, corpus_dir='pa2-data/corpus', lambda_=0.1): """遍历“corpus_dir”中每个文件中所有以空格分隔的标记，并计算每个unigram和bigram的出现次数。还跟踪语料库中标记的总数。 corpus_dir（str）：包含语料库的目录的路径。 lambda_（float）：一元二元平滑的插值因子 插值您现在只需要将“lambda_”保存为属性，稍后将在“LanguageModel.get_bigram_logp”中使用。 填写下面的代码块来统计我们语料库中的unigrams和bigrams """ self.lambda_ = lambda_ self.total_num_tokens = 0 # 统计语料库中的令牌总数 self.unigram_counts = Counter() # Maps strings w_1 -> count(w_1) self.bigram_counts = Counter() # Maps tuples (w_1, w_2) -> count((w_1, w_2)) ### Begin your code ### End your code

下面是统计unigrams和bigrams的代码：

import os

corpus_files = [os.path.join(corpus_dir, f) for f in os.listdir(corpus_dir)]
for file in corpus_files:
    with open(file, 'r') as f:
        for line in f:
            tokens = line.strip().split()
            self.total_num_tokens += len(tokens)
            self.unigram_counts.update(tokens)
            self.bigram_counts.update(zip(tokens[:-1], tokens[1:]))

这段代码会遍历语料库目录中的每个文件，对每个文件中的每一行进行处理。它会使用空格将每一行分隔成单词，并将单词添加到unigram_counts和bigram_counts中。注意，bigram_counts中的每个键都是由前一个单词和后一个单词组成的元组。