LevenshteinSimilarityScorer
Berechnet die Ähnlichkeit anhand der Levenshtein-Distanz zwischen Vorhersage und Ground Truth. Misst die minimale Anzahl einzelner Zeichenänderungen, die zur Umwandlung einer Zeichenfolge in die andere erforderlich sind.
Übersicht
Berechnet die Ähnlichkeit anhand der Levenshtein-Distanz zwischen Vorhersage und Ground Truth. Misst die minimale Anzahl einzelner Zeichenänderungen, die zur Umwandlung einer Zeichenfolge in die andere erforderlich sind.
Anwendungsfälle
- Genauigkeits-Benchmarking und Validierung
Funktionsweise
Dieser Scorer validiert Ausgaben mithilfe einer deterministischen regelbasierten Evaluierung anhand konkreter Kriterien. Vordefinierte Regeln und Muster bewerten die Antwort und liefern konsistente, reproduzierbare Ergebnisse ohne LLM-Inferenz.
Eingabeschema
| Parameter | Typ | Erforderlich | Beschreibung |
|---|---|---|---|
| prediction | str | Ja | Text to compare |
| ground_truth | str | Ja | Reference text |
Ausgabeschema
| Feld | Typ | Beschreibung |
|---|---|---|
| score | float | Similarity score (0-10) |
| passed | bool | True if above threshold |
| reasoning | str | Edit distance analysis |
| metadata.edit_distance | int | Raw edit distance |
| metadata.similarity_ratio | float | Normalized similarity |
Score-Interpretation
Standardschwellenwert: 7/10
Verwandte Scorer
ExactMatchScorer
Bewertet, ob die Vorhersage exakt mit der Ground Truth übereinstimmt. Geeignet für Aufgaben mit eind...
RAGSemanticSimilarityScorer
Berechnet die semantische Ähnlichkeit zwischen Anfrage und abgerufenem Kontext anhand von Satz-Embed...
NLP-MetrikenBLEUScorer
Berechnet den BLEU-Score (Bilingual Evaluation Understudy) zwischen Vorhersage und Ground Truth. Mis...
NLP-MetrikenROUGEScorer
Berechnet ROUGE-Scores für die Evaluation von Textzusammenfassungen. Umfasst ROUGE-1 für Unigramme, ...
Häufig gestellte Fragen
Wann sollte ich diesen Scorer verwenden?
Verwenden Sie LevenshteinSimilarityScorer, wenn Sie die Aspekte nlp-metrics and accuracy Ihrer KI-Ausgaben evaluieren möchten. Der Scorer eignet sich besonders für genauigkeits-benchmarking und validierung.
Warum benötigt dieser Scorer eine erwartete Ausgabe?
Dieser Scorer vergleicht die generierte Ausgabe mit einem bekannten erwarteten Ergebnis, um Genauigkeitsmetriken zu berechnen.
Kann ich den Schwellenwert anpassen?
Ja, der Standardschwellenwert von 7 lässt sich bei der Konfiguration des Scorers anpassen.
Kurzinfo
Möchten Sie LevenshteinSimilarityScorer ausprobieren?
Starten Sie die Evaluierung Ihrer KI-Agenten mit der umfassenden Scorer-Bibliothek von Noveum.ai.
Weitere Scorer entdecken
Entdecken Sie 112 kalibrierte LLM-as-Judge-Scorer für umfassende KI-Evaluierungen