执行模型预测过程 Args: texts: 模型输入的文本，一个Unicode编码的字符串或者 由Unicode编码字符串组成的List Returns: if mode=='seg

添加AC自动机item */

Load key-value dict from file

文本输入经过模型转为运行结果Tensor

以pattern作为切割符，对line进行切分并放入tokens中 */

string to unicode Args: sentence: a string of utf-8 or gbk Returns: input's unicode result

convert words to word index

yield (word_idx, target_idx) one by one from file, or yield (word_idx, ) in `infer` mode

使用人工干预词典修正lac模型的输出

以pattern作为切割符，对line进行切分并放入tokens中

将字符串按照中文字符的单字切分 */

返回LAC对象的指针

返回Java类别中的self_ptr地址，用于指向创建的LAC对象

设置self_ptr地址，指向创建的LAC对象

添加单词word到Trie树中

创建PyReader用于Paddle读取数据 Args: args: 模型参数，定义于utils.DefaultArgs file_name: string类型，数据文件路径 feed_list: list类型，模型输入的列表

分词 Args: route : 最大路径字典 buf : 临时分词结果 Return: segment : 分词结果

定义LAC的网络结构 Args: word: 模型输入的tensor args: 模型参数 vocab_size: 词表大小 num_labels: 标签的数量 target: 标签结果，如果为None则只返回

装载用户词典 */

后向最大匹配. 对content的文本进行多模匹配，返回后向最大匹配的结果. Args: content: string类型, 用于多模匹配的字符串 Returns: list类型, 最大匹配单词列表，每

执行测试过程 Args: exe: 执行空间，即CPU和GPU program: 用于测试用的program reader: PyReader类型，读取数据 Returns:

convert text to word index lac/rank using mix char and word granularity seg using char granularity

Ids to Tensor

定义Bi-GRU层

设置网络参数和结构

装载人工干预词典（单词输入）

添加单词，格式与用户词典一致 Args: texts: 用户定义词典，如："春天"、"花 开"、"春天/SEASON"、"花/n 开/v"、 sep: 表示词典中，短语片段的分隔符，默认为空格' '或制表符'\t'

添加单词word到Trie树中

lac被rank模型调用时返回的结果

创建LAC的模型

生成DAG

将字符串输入转为Tensor */

获取下一个gb18030字符的长度

获取下一个gb18030字符的长度 */

获取下一个UTF8字符的长度

获取下一个UTF8字符的长度 */

获取下一个codetype字符的长度

获取下一个codetype字符的长度 */

convert label to label index

装载人工干预词典

装载label解码用的词典

装载label解码用的词典 */

装载预训练的模型

装载字符正则化的词典

装载字符正则化的词典 */

Load profile dict from file and calculate word frequency

装载字符转为数字index的词典

装载字符转为数字index的词典 */

nothing to do

构建fail指针路径

生成AC自动机的fail指针 */

对lac的预测结果进行干预 */

将LAC模型输出的Tensor转为明文

将RANK模型输出的Tensor转为明文

convert tagging data to lac data format

后向最大匹配. 对content的文本进行多模匹配，返回后向最大匹配的结果. Args: content: string类型, 用于多模匹配的字符串 Returns: list类型, 最大匹配单词列

查询返回多模匹配结果 */

多模匹配的完全匹配. 对content的文本进行多模匹配，返回所有匹配结果 Args: content: string类型, 用于多模匹配的字符串 Returns: list类型, 所有匹配单词列表

将字符串按照单字切分

文本输入转为Paddle输入的Tensor,适用于lac与rank Args: texts: 由string组成的list，模型输入的文本 Returns: tensor: Paddle模型输入用的文本Tens

执行模型增量训练 Args: model_save_dir: 训练结束后模型保存的路径 train_data: 训练数据路径 test_data: 测试数据路径，若为None则不进行测试

* Class: LAC * Method: copy * Signature: (Jlong)V */

* Class: LAC * Method: init * Signature: (Ljava/lang/String;)V */

* Class: LAC * Method: load_customization * Signature: (Ljava/lang/String;)Jint */

* Class: LAC * Method: release * Signature: (Jlong)V */

* Class: LAC * Method: run * Signature: (Ljava/lang/String;Ljava/lang/ArrayList;Ljava/lang/ArrayList)Jint */

LAC构造函数：初始化、装载模型和词典 */

LAC构造函数：初始化、装载模型和词典 */