tf.edit_distance

Вычисляет расстояние Левенштейна между последовательностями.

Просмотреть псевдонимы

Псевдонимы совместимости для миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.edit_distance

tf.edit_distance(
    hypothesis, truth, normalize=True, name='edit_distance'
)

Эта операция принимает последовательности переменной длины (hypothesis и truth), каждая из которых представлена как SparseTensor, и вычисляет расстояние Левенштейна. Расстояние редактирования можно нормализовать по длине truth, установив для normalize значение true.

Например:

Для следующих входных данных

hypothesis — это tf.SparseTensor с формой [2, 1, 1]
truth — это tf.SparseTensor с формой [2, 2, 2]

hypothesis = tf.SparseTensor(
  [[0, 0, 0],
   [1, 0, 0]],
  ["a", "b"],
  (2, 1, 1))
truth = tf.SparseTensor(
  [[0, 1, 0],
   [1, 0, 0],
   [1, 0, 1],
   [1, 1, 0]],
   ["a", "b", "c", "a"],
   (2, 2, 2))
tf.edit_distance(hypothesis, truth, normalize=True)
<tf.Tensor: shape=(2, 2), dtype=float32, numpy=
array([[inf, 1. ],
       [0.5, 1. ]], dtype=float32)>

Операция возвращает плотный тензор с формой [2, 2], содержащий расстояния редактирования, нормализованные по длинам truth.

Примечание: Можно вычислить расстояние редактирования между двумя разреженными тензорами со значениями переменной длины. Однако попытка создать их при включенном eager-выполнении приведет к ValueError.

Для следующих входных данных

# 'hypothesis' is a tensor of shape `[2, 1]` with variable-length values:
#   (0,0) = ["a"]
#   (1,0) = ["b"]
hypothesis = tf.sparse.SparseTensor(
    [[0, 0, 0],
     [1, 0, 0]],
    ["a", "b"],
    (2, 1, 1))

# 'truth' is a tensor of shape `[2, 2]` with variable-length values:
#   (0,0) = []
#   (0,1) = ["a"]
#   (1,0) = ["b", "c"]
#   (1,1) = ["a"]
truth = tf.sparse.SparseTensor(
    [[0, 1, 0],
     [1, 0, 0],
     [1, 0, 1],
     [1, 1, 0]],
    ["a", "b", "c", "a"],
    (2, 2, 2))

normalize = True

# The output would be a dense Tensor of shape `(2,)`, with edit distances
normalized by 'truth' lengths.
# output => array([0., 0.5], dtype=float32)

Аргументы
`hypothesis`	`SparseTensor`, содержащий последовательности гипотез.
`truth`	`SparseTensor`, содержащий истинные последовательности.
`normalize`	`bool`. Если `True`, нормализует расстояние Левенштейна по длине `truth.`
`name`	Имя операции (необязательно).

Возвращает
Плотный `Tensor` с рангом `R - 1`, где R — ранг входных данных `SparseTensor` `hypothesis` и `truth`.

Исключения
`TypeError`	Если `hypothesis` или `truth` не является `SparseTensor`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/edit_distance