完成对2-gram模型的建立，计算测试句子概率并输出结果

在构建2-gram语言模型时，首先要统计训练数据集中每个连续词对（bigram）出现的次数，作为模型的基础。例如，在上述的训练句子“研究生物很有意思”中，“研究”和“生物”、“生物”和“很”等都是二元组。

以下是简单的步骤：

1. **创建字典**：使用Python的`defaultdict`，键是前一个词，值是一个嵌套字典，其中存储着每个后一个词及其对应的计数。

def build_bigram_model(sentence):
    bigram_dict = defaultdict(lambda: defaultdict(int))
    words = sentence.split()
    for i in range(len(words) - 1):  # 考虑最后一个词不能形成bigram
        bigram_dict[words[i]][words[i+1]] += 1
    return bigram_dict

2. **计算概率**：对于测试句子，从最后一个词开始向前遍历，计算每个bigram的概率（基于链式法则），并将结果相乘得到整个句子的概率。如果某个bigram在训练数据中不存在，通常会采用拉普拉斯平滑（Laplace smoothing）来避免概率为零。

def calculate_probability(bigram_model, test_sentence):
    words = test_sentence.split()
    probability = 1.0
    for word in words[:-1]:  # 避免处理最后一个词（因为没有后继）
        count = bigram_model[word].get(words[-1], 1) + 1  # 统计加1后的计数（平滑）
        total_count = sum(bigram_model[word].values()) + len(bigram_model)  # 总计所有bigram
        probability *= count / total_count
    return probability

现在你可以将`sentence_ori`传递到这两个函数中，获取其在训练好的2-gram模型下的概率。

train_sentence = "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。"
bigram_model = build_bigram_model(train_sentence)
test_sentence = input("请输入测试句子:")
probability = calculate_probability(bigram_model, test_sentence)
print(f"测试句子 '{test_sentence}' 的2-gram概率为: {probability}")

请注意，这只是一个基础示例，实际应用中可能会有更复杂的预处理和优化。同时，由于二元模型忽略了词汇间的依赖顺序，它的性能可能会受到限制。