Αυτόματη Αξιολόγηση Κειμένου — BLEU, ROUGE, BERTScore

Η αυτόματη αξιολόγηση κειμένου είναι μια οικογένεια μετρικών βασισμένων σε αναφορές, που χρησιμοποιείται για τη μέτρηση της ποιότητας κειμένου που παράγεται από μηχανές — όπως μεταφράσεις, περιλήψεις ή αποτελέσματα παραγωγής φυσικής γλώσσας (NLG) — συγκρίνοντάς τα με ένα ή περισσότερα κείμενα αναφοράς γραμμένα από ανθρώπους. Πρωτοπορώντας από τον Papineni et al. με το BLEU το 2002, ο τομέας έχει επεκταθεί για να συμπεριλάβει μετρικές επικάλυψης n-gram (BLEU, ROUGE) και μετρικές ευαίσθητες στη σημασία (BERTScore, MoverScore) που αποτυπώνουν το νόημα πέρα από τις επιφανειακές αντιστοιχίες λέξεων.