Automatikus szövegértékelés — BLEU, ROUGE, BERTScore
Az automatikus szövegértékelés az ember által írt referenciatartalmakhoz viszonyítva méri a gépi generálású szövegek — például fordítások, összefoglalók vagy természetes nyelvgenerálási (NLG) kimenetek — minőségét. Ezt referenciaalapú metrikák családja teszi lehetővé. A területet Papineni et al. vezette be a BLEU metrikával 2002-ben, és azóta n-gramm-egyezésen alapuló metrikákkal (BLEU, ROUGE) és szemantikailag érzékeny metrikákkal (BERTScore, MoverScore), amelyek a felszínes szómegfelelésen túli jelentést is megragadják, bővült.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Papineni, K., Roukos, S., Ward, T., & Zhu, W.-J. (2002). BLEU: A Method for Automatic Evaluation of Machine Translation. Proceedings of ACL 2002. link ↗
- Zhang, T., Kishore, V., Wu, F., Weinberger, K. Q., & Artzi, Y. (2020). BERTScore: Evaluating Text Generation with BERT. Proceedings of ICLR 2020. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Automatic Text Evaluation (BLEU, ROUGE, BERTScore). ScholarGate. https://scholargate.app/hu/text-mining/automatic-text-evaluation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERT-beágyazásokSzövegbányászat↔ compare
- Szöveges hangulatelemzésSzövegbányászat↔ compare
- SzövegosztályozásSzövegbányászat↔ compare
- Tematikus modellezésMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →