Hamming distance, definícia a použitie | AI slovník

Odborná definícia

Hamming distance je počet pozícií, na ktorých sa dve rovnako dlhé sekvencie líšia. Pri binárnych vektoroch sa rovná počtu bitov, ktoré treba preklopiť, aby sa jeden vektor zmenil na druhý. Metrika sa používa pri chybových kódoch, porovnávaní hashov, binárnych embeddingoch, klasifikácii kategórií a vyhľadávaní v diskrétnom priestore. Nezohľadňuje veľkosť ani sémantickú závažnosť rozdielu, iba zhodu pozícií. Pre sekvencie odlišnej dĺžky nie je priamo definovaná bez doplnenia zarovnania, výplne alebo inej editačnej metriky.

Zrozumiteľné vysvetlenie

Porovnajte kódy 101101 a 100111. Líšia sa na dvoch miestach, takže ich Hammingova vzdialenosť je dva. Nezáleží na tom, či zmena prvého bitu znamená kritickú vlastnosť a zmena druhého iba kozmetický detail. Každá nezhodná pozícia sa počíta rovnako. V AI je to užitočné, keď model prevádza objekty na krátke binárne podpisy a potrebuje rýchlo nájsť podobné položky. Ak však porovnávate význam viet alebo obrázkov, samotná Hammingova vzdialenosť má zmysel iba vtedy, keď binárny kód už zachytáva požadovanú sémantiku.

Časté otázky

Ako sa Hammingova vzdialenosť vypočíta pri bitoch?

Vykoná sa operácia XOR medzi dvojicou bitových reťazcov a spočíta sa počet jednotiek vo výsledku. Jednotka označuje pozíciu, na ktorej sa vstupy líšia, takže výpočet možno na hardvéri realizovať veľmi efektívne.

Je Hammingova vzdialenosť metrika?

Áno, na priestore sekvencií rovnakej dĺžky spĺňa nezápornosť, identitu nerozlíšiteľných prvkov, symetriu a trojuholníkovú nerovnosť. Po neštandardnom dopĺňaní rôznych dĺžok sa tieto vlastnosti musia posúdiť znova.

Čím sa líši od euklidovskej vzdialenosti?

Hammingova vzdialenosť počíta nezhodné súradnice, kým euklidovská meria geometrickú dĺžku rozdielového vektora. Pri binárnych hodnotách spolu súvisia, ale pri spojitých embeddingoch Hammingova metrika ignoruje veľkosť numerickej zmeny.

Kde sa používa pri vyhľadávaní podobnosti?

Model môže vytvoriť binárny hash obrazu alebo dokumentu a databáza nájde kódy s malým počtom odlišných bitov. Také vyhľadávanie je pamäťovo úsporné, no kvalita závisí od naučeného alebo navrhnutého hashovania.

Čo znamená normalizovaná Hammingova vzdialenosť?

Počet nezhôd sa vydelí dĺžkou sekvencie. Výsledok od nuly do jednej umožňuje porovnávať mieru rozdielu medzi kódmi rôznych dĺžok, pokiaľ sa každá dvojica porovnáva v rámci rovnako dlhej reprezentácie.

Súvisiace pojmy

Zdroje a redakčná stopa

Google Machine Learning Glossary (developers.google.com)
NIST Dictionary of Algorithms and Data Structures, Hamming distance (nist.gov)

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.