c_NlpCharGraph： 分析一篇文章，建立字与字的关系

c_NlpNgramGraph: 基于 n 个已经出现的词，预估后续可能出现的词
c_NlpLanguageModel: 如果有的词组合形式没有出现过，找到之前学习过最长类似的词句进行预测

cNLP/Library/c_NlpNgramGraph.t.c

@@ -0,0 +1,52 @@
+#include "c_NlpNgramGraph.h"
+#include <stdlib.h>
+#include <stdio.h>
+
+#define RUN_TEST(test_case, name) \
+    do { \
+        printf("[RUN] %s... ", name); \
+        if (test_case) { \
+            printf("\033[32mPASSED\033[0m\n"); \
+        } else { \
+            printf("\033[31mFAILED\033[0m (%s:%d)\n", __FILE__, __LINE__); \
+            return C_ERR_FAIL; \
+        } \
+    } while(0)
+
+static c_err_t test(void) {
+    /* 33. 多元馬爾可夫鏈（Trigram）核心通路驗證 */
+    c_NlpNgramGraph_t trigram;
+    // 建立 3元 模型：需要根據 2 个字的历史預測第 3 个字
+    c_err_t err = c_NlpNgramGraph_Init(&trigram, 3, 512, 8);
+    RUN_TEST(err == C_ERR_OK, "Trigram Graph initialized cleanly");
+
+    // 載入預測語料："自然语言、自然界、自然语言"
+    // 當已知歷史短语是 "自然" 时，"语" 出现了 2 次，"界" 出现了 1 次
+    c_ucs4_t corpus_stream[] = {
+        0x81EA, 0x7136, 0x8BED, 0x8A00, // 自然语言
+        0x81EA, 0x7136, 0x754C,         // 自然界
+        0x81EA, 0x7136, 0x8BED, 0x8A00  // 自然语言
+    };
+    err = c_NlpNgramGraph_Process(&trigram, corpus_stream, 11);
+    RUN_TEST(err == C_ERR_OK && trigram.total_states > 0, "Trigram processed training data stream");
+
+    // 構建查詢歷史：[0x81EA, 0x7136] ➔ 代表 "自然"
+    c_ucs4_t query_history[] = { 0x81EA, 0x7136 };
+    c_ucs4_t pred_res = 0;
+    double pred_conf = 0.0;
+
+    err = c_NlpNgramGraph_PredictNext(&trigram, query_history, &pred_res, &pred_conf);
+    RUN_TEST(err == C_ERR_OK, "PredictNext completed high-order context traversal paths");
+
+    // 預期：準確命中 "语" (0x8BED)，置信度為 2 / 3 = 66.67%
+    RUN_TEST(pred_res == 0x8BED, "Trigram language model predicts '语' given advanced context '自然'");
+    RUN_TEST(pred_conf > 0.66 && pred_conf < 0.67, "Context-bound model confidence targets 66.67%% correctly");
+
+    c_NlpNgramGraph_Destroy(&trigram);
+
+    return C_ERR_OK;
+}
+
+int main(int argc, char** argv){
+    return test();
+}