Автоматическая оценка текста — BLEU, ROUGE, BERTScore
Автоматическая оценка текста — это семейство метрик, основанных на сравнении с эталонными данными и используемых для измерения качества текста, сгенерированного машиной (например, переводов, резюме или результатов генерации естественного языка (NLG)), путём сопоставления его с одним или несколькими эталонными текстами, написанными человеком. Эта область, впервые разработанная Папинени и соавт. с метрикой BLEU в 2002 году, расширилась и теперь включает метрики наложения n-грамм (BLEU, ROUGE) и семантически ориентированные метрики (BERTScore, MoverScore), которые учитывают значение, выходящее за рамки поверхностного совпадения слов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Automatic Text Evaluation (BLEU, ROUGE, BERTScore). ScholarGate. https://scholargate.app/ru/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.
- Векторные представления BERTИнтеллектуальный анализ текста↔ compare
- Анализ тональностиИнтеллектуальный анализ текста↔ compare
- Классификация текстовИнтеллектуальный анализ текста↔ compare
- Тематическое моделированиеГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →