viterbi_decode

paddle.text. viterbi_decode ( potentials, transition_params, lengths, include_bos_eos_tag=True, name=None ) [源代码]

该层利用输入的发射概率和转移概率进行解码。通过用 Viterbi 算法，动态地寻找隐藏状态最可能的序列，该序列也被称为 Viterbi 路径（Viterbi path），从而得到观察标签 (tags) 序列。

参数

  • potentials (Tensor) 发射概率。形状为[batch_size, lengths, num_tags]，数据类型为 float32 或 float64。

  • transition_params (Tensor) 转移概率。形状为[num_tags, num_tags]，数据类型为 float32 或 float64。

  • lengths (Tensor) 序列真实长度。形状为[batch_size]，数据类型为 int64。

  • include_bos_eos_tag (bool，可选) 是否包含前置、后置标签。如果设为 True，transition_params 中倒数第一列为前置标签的转移概率，倒数第二列为后置标签的转移概率。默认值为 True。

  • name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回

  • scores (Tensor) Viterbi 路径的最高得分。形状为[batch_size]，数据类型为 float32 或 float64。

  • paths (Tensor) Viterbi 路径。形状为[batch_size, lengths]，数据类型为 int64。

代码示例

>>> import paddle
>>> paddle.seed(2023)
>>> batch_size, seq_len, num_tags = 2, 4, 3
>>> emission = paddle.rand((batch_size, seq_len, num_tags), dtype='float32')
>>> length = paddle.randint(1, seq_len + 1, [batch_size])
>>> tags = paddle.randint(0, num_tags, [batch_size, seq_len])
>>> transition = paddle.rand((num_tags, num_tags), dtype='float32')
>>> scores, path = paddle.text.viterbi_decode(emission, transition, length, False)
>>> print(scores)
Tensor(shape=[2], dtype=float32, place=Place(cpu), stop_gradient=True,
[2.57385254, 2.04533720])
>>> print(path)
Tensor(shape=[2, 2], dtype=int64, place=Place(cpu), stop_gradient=True,
[[0, 0],
 [1, 1]])