do_bigram_weighted_prediction 中的word 參數設定問題?
如附圖我改完之後就可以按照現在的字去推算下一個字 講義裡面的code會有初始化錯誤的問題，都只有看of開始往後找的字 ### 調整的部分 * -- 是為移除的地方 * ++則是新增的地方  ### 本來的code確定選到'begin' 之後又繼續看'of'  ### 更改後的版本，選到‘him'之後，下一組比對由'him'開始 
回答列表
-
2020/11/26 上午 11:18張維元 (WeiYuan)贊同數：0不贊同數：0留言數：0
嗨，你好
想確認一下除了程式之外有其他疑問嗎？講義部分我再轉交給出題的專家回覆！
嗨，你好，我是維元，持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤我的 Facebook 或 技術部落格 ，也會不定時的舉辦分享活動，一起來玩玩吧 ヽ(●´∀`●)ﾉ
-
2020/11/26 下午 11:38劉冠宏贊同數：1不贊同數：0留言數：0
Hi 您好 這邊的用字不夠精確，講義內容主要要表達的時透過N-gram模型，給定字詞後，透過N-gram模型來推薦下一個可能的字詞選項，若要透過N-gram模型給定字詞產生整個句子的話，可以像您那樣修改程式。
-
2020/12/21 下午 03:13魏培峰贊同數：1不贊同數：0留言數：1
我的修正方式 ```python def do_bigram_weighted_prediction(bigram_freq, start_word, num_words): pred_words = [start_word] word = start_word for i in range(num_words): # 選取所有符合條件的2gram words_candidates = [word_pairs_count for word_pairs_count in bigram_freq if word_pairs_count[0][0] == word] #print(word, words_candidates) ## 檢查 if not words_candidates: break else: #根據加權機率選取可能的字詞 c = weighted_choice(words_candidates)[1] #新增: 下一個新選入的字 pred_words.append(c) # 修改 word = c #新增: for words_candidates 的 word_pairs_count[0][0] == word return pred_words ```