def build_vocab(file_path, tokenizer, max_size, min_freq): vocab_dic = {} with open(file_path, 'r', encoding='UTF-8') as f: for line in tqdm(f): lin = line.strip() if not lin: continue content = lin.split('\t')[0] for word in tokenizer(content): vocab_dic[word] = vocab_dic.get(word, 0) + 1 vocab_list = sorted([_ for _ in vocab_dic.items() if _[1] >= min_freq], key=lambda x: x[1], reverse=True)[:max_size] vocab_dic = {word_count[0]: idx for idx, word_count in enumerate(vocab_list)} vocab_dic.update({UNK: len(vocab_dic), PAD: len(vocab_dic) + 1}) return vocab_dic

这段代码定义了一个函数 `build_vocab`，用于根据训练数据构建词表。具体来说，函数接受四个参数：

- `file_path`：训练数据文件的路径；
- `tokenizer`：用于将文本分割成单词或字的函数；
- `max_size`：词表的最大大小；
- `min_freq`：词汇在训练数据中出现的最小次数。

函数首先定义了一个空字典 `vocab_dic`，用于存储词汇及其出现次数。然后，函数使用 Python 内置的 `open` 函数打开训练数据文件，逐行读取文件内容，并将每行内容按照指定的分割函数 `tokenizer` 进行分割，统计分割后得到的每个词汇在训练数据中出现的次数，并将其存储到 `vocab_dic` 中。

接着，函数对 `vocab_dic` 中的词汇进行按出现次数降序排序，并选取出现次数最高的 `max_size` 个词汇作为词表。如果某个词汇在训练数据中出现次数小于 `min_freq`，则将其从词表中删除。函数将词表中的每个词汇与其在词表中的索引建立映射，并将其存储到一个新的字典 `vocab_dic` 中。在这里，函数还添加了两个特殊的词汇 `UNK` 和 `PAD`，用于表示未知词汇和填充词汇，这两个词汇的索引分别为词表的大小和词表大小加一。

最后，函数返回构建好的词表 `vocab_dic`。