n-gram构建模型，预测给定词的下一个词语有可能是什么，完整python代码

n-gram是一种基于统计的语言模型，常用于自然语言处理任务中，如文本生成、机器翻译等。它通过分析连续n个词的序列（n-grams）来预测后续词汇的概率。在Python中，我们可以使用`collections`库中的`Counter`来计算n-grams的频率，并利用这些信息来预测下一个词。

以下是简单的n-gram模型和下一个词预测的Python代码示例：

import collections

# 假设我们有一个文本数据列表，每个元素是一个单词列表
text_data = ["这是一个例子", "接下来我们会构建模型", ...]

def build_n_gram_model(n, text_data):
    model = {}
    for sentence in text_data:
        for i in range(len(sentence) - n + 1):  # 避免越界
            gram = tuple(sentence[i:i+n])
            if gram not in model:
                model[gram] = []
            model[gram].append(sentence[i+n])

    return model

def predict_next_word(model, current_gram, n):
    if current_gram not in model:
        return None  # 如果当前n-gram不存在，则无预测依据
    word_counts = collections.Counter(model[current_gram])
    
    # 返回最频繁出现的词作为预测结果，如果没有则返回None
    try:
        return word_counts.most_common(1)[0][0]
    except IndexError:
        return None

# 使用示例
n = 2  # bi-gram模型 (n=2)
model = build_n_gram_model(n, text_data)

current_gram = ("这是",)  # 假设前两个词是"这是"
next_word = predict_next_word(model, current_gram, n)
print(f"预测的下一个词是：{next_word}")