Automatisk tekstevaluering — BLEU, ROUGE, BERTScore
Automatisk tekstevaluering er en familie av referansebaserte metrikker som brukes til å måle kvaliteten på maskingenerert tekst — som oversettelser, sammendrag eller utdata fra naturlig språkgenerering (NLG) — ved å sammenligne dem med én eller flere menneskeskrevne referansetekster. Feltet, som ble pionert av Papineni et al. med BLEU i 2002, har vokst til å inkludere n-gram-overlappmetrikker (BLEU, ROUGE) og semantisk bevisste metrikker (BERTScore, MoverScore) som fanger opp mening utover overfladiske ordtreff.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Automatic Text Evaluation (BLEU, ROUGE, BERTScore). ScholarGate. https://scholargate.app/no/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 EmbeddingsTekstutvinning↔ compare
- SentimentanalyseTekstutvinning↔ compare
- TekstklassifiseringTekstutvinning↔ compare
- Emne-modelleringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →