(정규화된) Levenshtein Edit Distance를 계산합니다.
입력은 SparseTensors(hypoesis_indices, Hypothese_values, Hypothese_shape) 및 (truth_indices, Truth_values, Truth_shape)에서 제공하는 가변 길이 시퀀스입니다.
입력은 다음과 같습니다.
중첩 클래스
수업 | 편집거리.옵션 | EditDistance 의 선택적 속성 |
공개 방법
출력 <플로트> | 출력 () 텐서의 기호 핸들을 반환합니다. |
정적 <T> 편집거리 | |
정적 편집거리.옵션 | 정규화 (부울 정규화) |
출력 <플로트> | 출력 () 순위가 R - 1인 조밀한 부동 텐서입니다. |
상속된 메서드
공개 방법
공개 출력 <Float> asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
공개 정적 EditDistance 생성 ( 범위 범위, 피연산자 <Long> HyposyIndices, 피연산자 <T> HyposyValues, 피연산자 <Long> HyposyShape, 피연산자 <Long> TruthIndices, 피연산자 <T> TruthValues, 피연산자 <Long> TruthShape, 옵션... 옵션)
새로운 EditDistance 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
범위 | 현재 범위 |
---|---|
가설지수 | 가설 목록의 인덱스는 SparseTensor입니다. 이것은 N x R int64 행렬입니다. |
가설가치 | 가설 목록의 값은 SparseTensor입니다. 이것은 N 길이 벡터입니다. |
가설모양 | 가설 목록 SparseTensor의 모양. 이것은 R 길이 벡터입니다. |
진실지수 | 진실 목록의 인덱스 SparseTensor. 이것은 M x R int64 행렬입니다. |
진실값 | 진실 목록 SparseTensor의 값. 이것은 M 길이의 벡터입니다. |
진실모양 | 진실 지수, 벡터. |
옵션 | 선택적 속성 값을 전달합니다. |
보고
- EditDistance의 새 인스턴스
공개 출력 <Float> 출력 ()
순위가 R - 1인 조밀한 부동 텐서입니다.
입력 예의 경우:
// 가설은 가변 길이 값을 갖는 2x1 행렬을 나타냅니다. // (0,0) = ["a"] // (1,0) = ["b"] Hypohyposite_indices = [[0, 0, 0], [1, 0, 0]] 가설_값 = ["a", "b"] 가설_모양 = [2, 1, 1]
// 진실은 가변 길이 값을 갖는 2x2 행렬을 나타냅니다. // (0,0) = [] // (0,1) = ["a"] // (1,0) = ["b", " c"] // (1,1) = ["a"] Truth_indices = [[0, 1, 0], [1, 0, 0], [1, 0, 1], [1, 1, 0] ] 진실_값 = ["a", "b", "c", "a"] 진실_모양 = [2, 2, 2] 정규화 = true
출력은 다음과 같습니다:
// 출력은 진실 길이로 정규화된 편집 거리를 갖는 2x2 행렬입니다. 출력 = [[inf, 1.0], // (0,0): 진실 없음, (0,1): 가설 없음 [0.5, 1.0]] // (1,0): 덧셈, (1,1): 가설 없음