Automātiskā teksta novērtēšana — BLEU, ROUGE, BERTScore
Automātiskā teksta novērtēšana ir metrikas, kas balstītas uz atsauces tekstiem un tiek izmantotas, lai novērtētu mašīntulkotu tekstu — piemēram, tulkojumu, kopsavilkumu vai dabisko valodu ģenerēšanas (NLG) rezultātu — kvalitāti, salīdzinot tos ar vienu vai vairākiem cilvēku rakstītiem atsauces tekstiem. Šī joma, ko 2002. gadā aizsāka Papineni et al. ar BLEU metriku, ir attīstījusies, iekļaujot n-grammu pārklājuma metriku (BLEU, ROUGE) un semantiski jūtīgas metriku (BERTScore, MoverScore), kas uztver nozīmi, pārsniedzot virspusēju vārdu atbilstību.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Automatic Text Evaluation (BLEU, ROUGE, BERTScore). ScholarGate. https://scholargate.app/lv/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 EmbeddingsTeksta ieguve↔ compare
- Sentimentu analīzeTeksta ieguve↔ compare
- Tekstu klasifikācijaTeksta ieguve↔ compare
- Tēmu modelēšanaDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →