Automatische Tekstevaluatie — BLEU, ROUGE, BERTScore
Automatische tekstevaluatie is een familie van referentie-gebaseerde metrieken die wordt gebruikt om de kwaliteit van machinaal gegenereerde tekst — zoals vertalingen, samenvattingen of outputs van natural-language-generation (NLG) — te meten door deze te vergelijken met een of meer door mensen geschreven referentieteksten. Gepionierd door Papineni et al. met BLEU in 2002, is het veld uitgegroeid tot n-gram overlap metrieken (BLEU, ROUGE) en semantisch bewuste metrieken (BERTScore, MoverScore) die betekenis vastleggen die verder gaat dan oppervlakkige woordovereenkomsten.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Automatic Text Evaluation (BLEU, ROUGE, BERTScore). ScholarGate. https://scholargate.app/nl/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-inbeddingenText mining↔ compare
- SentimentanalyseText mining↔ compare
- TekstclassificatieText mining↔ compare
- OnderwerpmodelleringDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →