Calcula a distância de edição de Levenshtein (possivelmente normalizada).
As entradas são sequências de comprimento variável fornecidas por SparseTensors (hypothesis_indices, hypothesis_values, columns_shape) e (truth_indices, truth_values, truth_shape).
As entradas são:
Classes aninhadas
aula | EditarDistance.Options | Atributos opcionais para EditDistance |
Métodos públicos
Saída <Float> | comoSaída () Retorna o identificador simbólico de um tensor. |
estático <T> EditDistance | |
estático EditDistance.Options | normalize (Boolean normalize) |
Saída <Float> | saída () Um tensor flutuante denso com classificação R - 1. |
Métodos Herdados
Métodos públicos
Public Output <Float> asOutput ()
Retorna o identificador simbólico de um tensor.
As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static EditDistance create ( Escopo do escopo, Operando <Long> hypothèseIndices, Operando <T> HypothyValues, Operando <Long> HypotyShape, Operando <Long> TruthIndices, Operando <T> TruthValues, Operando <Long> truthShape, Opções... opções)
Método de fábrica para criar uma classe que envolve uma nova operação EditDistance.
Parâmetros
alcance | escopo atual |
---|---|
índices de hipóteses | Os índices da lista de hipóteses SparseTensor. Esta é uma matriz N x R int64. |
valores de hipótese | Os valores da lista de hipóteses SparseTensor. Este é um vetor de comprimento N. |
hipóteseForma | A forma da lista de hipóteses SparseTensor. Este é um vetor de comprimento R. |
índices de verdade | Os índices da lista de verdade SparseTensor. Esta é uma matriz M x R int64. |
valores de verdade | Os valores da lista de verdade SparseTensor. Este é um vetor de comprimento M. |
forma de verdade | índices de verdade, vetor. |
opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de EditDistance
public static EditDistance.Options normalize (Boolean normalize)
Parâmetros
normalizar | boolean (se verdadeiro, as distâncias de edição são normalizadas pelo comprimento da verdade). A saída é: |
---|
saída pública <Float> saída ()
Um tensor flutuante denso com classificação R - 1.
Para a entrada de exemplo:
// hipótese representa uma matriz 2x1 com valores de comprimento variável: // (0,0) = ["a"] // (1,0) = ["b"] hypothèse_indices = [[0, 0, 0], [1, 0, 0]] hipótese_valores = ["a", "b"] hipótese_forma = [2, 1, 1]
// verdade representa uma matriz 2x2 com valores de comprimento variável: // (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] ] valores_verdade = ["a", "b", "c", "a"] forma_verdade = [2, 2, 2] normalize = true
A saída será:
// a saída é uma matriz 2x2 com distâncias de edição normalizadas por comprimentos de verdade. output = [[inf, 1.0], // (0,0): sem verdade, (0,1): sem hipótese [0.5, 1.0]] // (1,0): adição, (1,1): nenhuma hipótese