在介绍A Neural Probabilistic Language Model (Bengio et al. 2003)的最后，给出了以下示例：

看到The cat is walking in the bedroom训练语料库中的句子应该有助于我们概括以使句子A dog was running in a room几乎尽可能地出现。

我得到了一般的精神，但他们在解释n-gram语言模型给出了给定一些其他先前（上下文）单词的情况下给出了单词出现的概率之后立即提供了这个示例：$P[w_{t}\mid (w_{t-n+1},...,w_{t-1})]$. 所以切换到没有转换的句子概率有点令人困惑。

既然模型在单词级别上工作，那么“使句子成为可能”是什么意思？

PS：我可以理解，如果我们The cat is walking in the bedroom在训练语料库中看到，我们可以估计$p_{0}=P[bedroom\mid (cat,walking)]$. 很明显，考虑到词的相似性，在泛化时我们希望$P[bedroom\mid (dog,running)]$大致等于$p_{0}$（因为狗和猫，走路和跑步是相似的）。但这仍然与单词概率有关。而且，在这里不起作用的是A dog was running in a room，$bedroom$不会发生，所以我们只处理$P[room\mid(dog,running)]$.