• 教學來源：https://www.youtube.com/watch?v=8ext9G7xspg
• 這個專案是一個基於馬可夫鏈（Markov Chain）的文本生成器，透過分析文本中的單詞之間的關聯，來生成新文本。
  ➤ 馬可夫鏈文本生成器的核心概念是透過「當前狀態」來決定「下一個狀態」，在這裡，狀態指的是一個單詞。換句話說，這個程式的目標是根據已知文本中單詞的排列規則，模擬生成類似的文本。
• 程式碼：
  ➤ compose.py:
  

➤ graph.py:

• 執行3次程式碼的結果：
  

• 程式說明：
  ➤ compose.py:

1. get_words_from_text函數：
   -從給定的文本檔案中讀取內容，去除標點符號，將文本轉換為小寫，並分割成最多 1000 個單詞的列表。
2. make_graph函數：
   -建立一個圖（Graph）來表示單詞之間的關聯。每個單詞是圖中的一個節點（Vertex），如果兩個單詞在文本中連續出現，則在它們之間建立一條邊，邊的權重表示它們一起出現的頻率。
   -該圖的功能是幫助後續生成文本時，根據單詞的出現頻率來預測下一個單詞。
3. compose函數：
   -使用生成的圖，隨機選擇一個單詞作為起點，並根據圖中節點之間的關聯逐步生成文本。文本的長度由 length 參數決定（默認為 50 個單詞）。
4. main函數：
   -讀取指定文本檔案，提取單詞，建立單詞之間的關聯圖，並最終生成一段隨機文本。

➤ graph.py:

1. Vertex 類別：
   -圖中的節點，表示一個單詞。每個節點都有一個 adjacent 字典，用來儲存與其他單詞的關聯及其權重。當兩個單詞一起出現時，增加它們之間邊的權重。
   -還包含一個方法 next_word()，用來根據關聯單詞的權重，隨機選擇下一個單詞。
2. Graph 類別：
   -圖結構，用來管理所有單詞及它們之間的關聯。每個單詞都是圖中的一個節點，可以根據關聯性預測下一個單詞。
   -generate_probability_mappings 用來為每個單詞生成一個概率映射，讓文本生成器根據權重來選擇下一個單詞。