import jieba #语料句子 sentence_ori="研究生物很有意思。他大学时代是研究生物的。生物专业是他的首选目标。他是研究生。" #测试句子 sentence_test=input() #任务：完成对2-gram模型的建立，计算测试句子概率并输出结果

`jieba`是一个非常流行的Python库，用于中文分词。在这个例子中，你正在使用它来进行文本预处理，特别是在自然语言处理的任务中，比如构建基于二元组（2-gram）的语言模型。

首先，你需要导入`jieba`库，并将原始句子（sentence_ori）和待测试的句子（sentence_test）作为输入。对于2-gram模型，我们需要统计每个连续的两个词语组合（如“研究”和“生物”，“生物”和“很”等）在给定语料库中的出现频率。

要完成这个任务，你需要按照以下步骤操作：

1. **分词**：使用`jieba.lcut(sentence)`或`jieba.cut(sentence, cut_all=False)`对句子进行分词，得到词语列表。

2. **创建2-gram模型**：遍历分词后的词语列表，记录每个连续的两个词语对作为键，频数作为值。例如，可以使用字典（dict）来存储这种信息。

import collections

# 初始化空的2-gram字典
bigram_dict = collections.defaultdict(int)

# 对每个句子进行处理
for i in range(len(sentence_split) - 1):
    bigram = tuple(sentence_split[i:i+2])
    bigram_dict[bigram] += 1

3. **计算测试句子的概率**：对于测试句子中的每个2-gram，如果在训练语料中找到，则将其概率更新为在训练语料中的频率除以总词对次数；如果没有，则默认概率为0。

def calculate_probability(test_sentence, bigram_dict):
    probability_sum = 0
    test_bigrams = list(zip(*[test_sentence[i:] for i in range(2)]))
    
    for test_bigram in test_bigrams:
        if test_bigram in bigram_dict:
            probability_sum += bigram_dict[test_bigram]
    
    return probability_sum / sum(bigram_dict.values()) if sum(bigram_dict.values()) else 0

sentence_test = input()
probability = calculate_probability(sentence_test, bigram_dict)
print("测试句子的概率为:", probability)