本来计划这一回介绍主要数据结构的，但是出于篇幅和连贯性的考虑，把它们附到上一回了。这一回主要介绍构造和搜索Word Lattice的方法。
CIMIContext类是整个ime部分代码的核心，对应上一回中的概念模型，它充当了Syllable Segmentor、Lattice Builder和Context Searcher的角色：
CIMIContext::modifyAndReseg (boneStart, boneEnd, skel, cursor, cursorIdx, candiStart)：
实际使用时，boneStart、boneEnd、candiStart均指向m_Skeleton中的节点。调用segPinyin()，对参数skel中的诸Bone节点（外加boneStart之前的2/3个节点，避免切分的不充分），和[boneEnd, T1-1)进行重新切分，得到的结果保存在newskel中。重新计算cursor及其index。然后调用modify(its, T1-1, newskel)，重新进行搜索。
CIMIContext::segPinyin (head1, tail1, head2, tail2, newskel)：
[head1, tail1)和[head2, tail2)在逻辑上组成一个待切分的拼音串儿。实际使用时，[head2, tail2)是CIMIContex::m_Skeleton中的节点。将切分的结果保存到newskel变量中。
CIMIContext::modify (boneStart, boneEnd, skel)：
将[boneStart, boneEnd)中的bone从其所在的skeleton列表（即m_Skeleton)中删除，将参数skel中的bone插入其间。调用searchFrom()，从新插入的Bone开始，重新进行搜索。
CIMIContext::searchFrom (boneStart)：
遍历boneStart到第二个尾节点（T2），根据前一个Bone，调用forwardXXX()方法扩展自己的Lexicon状态节点，然后调用buildLatticeStates()构造自己的Lattice状态节点。遍历结束之后，回溯得到最佳路径。
从某一个bone开始进行搜索，意味着从这个Bone到T2，每个Lattice Frame上原有的Lexicon和Lattice状态节点都被清空并重新计算。
CIMIContext::forwardOnePinyinBone (bone)：
将该bone的后续（boneNext）中的Lexicon状态节点集合（lexss2）清空。遍历bone上的Lexicon状态节点，用本bone上的拼音字符串，尝试扩展它，并将新的Lexicon节点加入到lexss2中。迭代结束之后，尝试用bone上的拼音字符串，从Pinyin Trie的根节点进行扩展，并加入到lexss2中。最后返回boneNext。其它的forwardXXX()方法比较简单，这里就不多介绍了。
CIMIContext::buildLatticeStates (bone)：
得到bone的前继bonePrev（这意味着传入的参数不能是第一个Bone节点），清空bone的Lattice状态节点。遍历当前bone的Lexicon状态节点，找到该节点的起始bone，对Pinyin Trie节点上对应的词表，调用transferBetween（boneFrom, boneTo, wid, 1.0)，构造bone上的Lattice状态节点。
对上一回的插图3来说，B3上有两个Lexicon状态，(B1, shi'pin')和(B2, pin')，可以用“食品”、“视频”、“饰品”等词来扩展B1上的Lattice节点，然后用“品”、“频”、“拼”等词再次来扩展B2上的Lattice节点，将新得到的状态节点加入到B3的Lattice状态节点集合中。
CIMIContext::transferBetween (from, to, wid, ic)：
得到from Bone的Lattice状态节点集合latss1。遍历latss1，对每个LatticeState节点，用其中保存的SLM状态节点m_State（即后续Lattice状态节点的history），调用CThreadSlm::transfer()来计算Pslm(wid|history)的值。
如果转移之后的状态节点，其历史（回退）节点为pseudo root节点（即level为0，表示平均分布），而最近的历史记录中却见到过这个词，则将这个pseudo unigram节点的index设置为wid；这样对下一个词w'，才能通过CThreadSlm::lastWordId(state)得到上一个词的ID（即wid），以正确计算Pcache(w'|wid)的概率值。
然后计算Pcache(w|h)，和Pslm(w|h)进行插值，得到句子的概率评分保存到node.m_Score中。将这个新的Lattice节点，插入到to Bone的Lattice状态节点集合latss2中（同时也进行了beam pruning）。
下一回我们会介绍如何利用搜索的结果，以及对用户选择的处理。