NLP | 生成任务指标: BLEU, ROUGE

1、BLEU：

BLEU思想（越大越好）：比较候选译文和参考译文里的 n-gram 的重合程度，重合程度越高就认为译文质量越高。unigram用于衡量单词翻译的准确性，高阶n-gram用于衡量句子翻译的流畅性。

2、ROUGE：

ROUGE (Recall-Oriented Understudy for Gisting Evaluation)专注于召回率（关注有多少个参考译句中的 n- gram出现在了输出之中）而非精度(候选译文中的n-gram有没有在参考译文中出现过)。

• rouge-n：基于ngram共现性统计
• rouge-l：基于最长公共子序列的共现性召回率和精确率的F1计算
• rough-w：带权重的最长公共子序列的的共现性召回率和精确率的F1计算
• rouge-s：不连续二元组共现性召回率和精确率的F1计算
• 一般用：bleu-4, rouge-l, rouge-1, rouge-2

 
 
 
 
 
 
Reference：
https://blog.csdn.net/u012744245/article/details/123589005