4 文本预处理与语言模型
4.1 文本预处理
主要包括读入文本、分词、建立字典将每个词映射到一个唯一的索引（index）和将文本从词的序列转换为索引的序列，方便输入模型
4.2 语言模型
一段自然语言文本可以看作是一个离散时间序列，给定一个长度为TTT的词的序列w1,w2,…,wTw_1, w_2, \ldots, w_Tw1,w2,…,wT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率：
P(w1,w2,…,wT).
P(w_1, w_2, \ldots, w_T).
P(w
