编写程序计算trigram模型中基于最大似然估计法句子的条件概率（自行搜集训练语料）

编写一个计算三元组（trigram）模型中基于最大似然估计的句子条件概率的程序通常涉及以下几个步骤：

1. **数据收集**：首先需要一个训练语料库，这可以是一段文本，包含连续的词语序列。例如，你可以从网上获取公开的语料，或者自行创建一些文本样本。

2. **预处理**：对文本进行分词，形成一串单词组成的序列，并统计每个三元组（由三个连续的词组成）在文本中出现的次数。同时，也要统计每个词的总出现次数。

3. **计数**：创建两个哈希表或字典：
- 一个用于存储所有三元组及其对应的频率（n_ijk），表示单词i后面跟着j再接着k的概率。
- 另一个用于存储每个单词i的前一个和下一个单词的所有可能性及它们各自的频率（n_ij和n_jk）。

4. **计算基础概率**：对于每一个三元组，计算其条件概率 P(w_i | w_{i-1}, w_{i-2}) = n_ijk / (n_ij * n_jk)，其中w代表单词。

5. **归一化**：由于句子可能包含无数的三元组组合，为了保证概率之和为1，需对所有可能的三元组条件概率进行归一化处理。

6. **评估句子概率**：对于输入的新句子，按照三元组模型计算出每个可能分割点处的条件概率相乘即得到整个句子的概率。

**示例代码伪代码**:

def compute_sentence_probability(sentence, trigrams, word_frequencies):
    # 初始化概率
    sentence_prob = 1

    # 分割句子为三元组
    for i in range(1, len(sentence) - 1):
        prev_word, current_word, next_word = sentence[i-1], sentence[i], sentence[i+1]
        
        # 计算条件概率
        prob = trigrams[(prev_word, current_word)][next_word] / (word_frequencies[prev_word] * word_frequencies[current_word])
        
        # 更新句子概率
        sentence_prob *= prob
    
    return sentence_prob

# 使用训练数据更新trigrams和word_frequencies...