machine-translation
Zusammenfassung der Textverdichtung - BLEU vs ROUGE
___ tag123nlp ___ Natural Language Processing (NLP) ist ein Teilbereich der künstlichen Intelligenz, bei dem nützliche Informationen aus natürlichsprachlichen Daten transformiert oder extrahiert werden. Methoden umfassen maschinelles Lernen und regelbasierte Ansätze.
___ tag123nltk ___ Das Natural Language Toolkit ist eine Python-Bibliothek für Computerlinguistik.
___ tag123machineelearning ___ Implementierungsfragen zu Algorithmen des maschinellen Lernens. Allgemeine Fragen zum maschinellen Lernen sollten in ihren jeweiligen Communities veröffentlicht werden.
Was ist der Unterschied zwischen mteval-v13a.pl und NLTK BLEU?
___ tag123machinetranslation ___ Machine Translation, ein Unterfeld von Natural Language Processing, ist die automatische Übersetzung von menschlichen Sprachen. Während historische Übersetzer auf statistischer maschineller Übersetzung basieren, verwenden neuere Systeme neuronale Netzwerke, die viel bessere Ergebnisse liefern.
___ qstntxt ___
Es gibt eine Implementierung des BLEU-Ergebnisses in Python NLTK,
%code%
Aber ich bin mir nicht sicher, ob es das gleiche wie die mtevalv13a ist .pl-Skript .
Was ist der Unterschied zwischen ihnen?
___ tag123bleu ___ BLEU (Bilingual Evaluation Understudy) ist ein Algorithmus zur Bewertung der Qualität von Text, der maschinell von einer natürlichen Sprache in eine andere Sprache übersetzt wurde.
___ answer46089409 ___
Kurz gesagt
Nein, die BLEU in NLTK ist nicht genau die gleiche wie die %code% .
Aber es kann sehr nahe kommen, siehe Ссылка
%code% entspricht %code% bis zur 4. Ordnung von ngram mit einigen Gleitkommadiskrepanzen
Die Details des Vergleichs und des verwendeten Datensatzes können von Ссылка oder:
%Vor%
Die Hauptunterschiede:
In lang
Es gibt mehrere Unterschiede zwischen %code% und %code% :
-
Der erste Unterschied besteht darin, dass %code% mit einem eigenen NIST-Tokenizer geliefert wird, während die NLTK-Version von BLEU die Implementierung der Metrik ist und voraussetzt, dass die Eingabe vorbenannt wird / strong>.
- Übrigens, dieser laufende PR wird die Lücke zwischen NLTK- und NIST-Tokenizern schließen
-
Der andere Hauptunterschied besteht darin, dass %code% erwartet, dass die Eingabe im %code% -Format ist, während NLTK BLEU eine Python-Liste von Listen mit Strings aufnimmt, siehe README.txt im zipball hier für weitere Informationen darüber, wie man Textdateien nach SGM konvertiert .
-
%code% erwartet eine ngram-Reihenfolge von mindestens 1-4. Wenn die minimale ngram-Reihenfolge für den Satz / Korpus kleiner als 4 ist, wird eine 0 Wahrscheinlichkeit zurückgegeben, die ein %code% ist. Um dieses Verhalten zu emulieren, hat NLTK ein %code% -Flag gesetzt:
- Siehe Ссылка
-
%code% kann NIST-Scores generieren, während NLTK keine NIST-Score-Implementierung (zumindest noch nicht) aufweist
- Der NIST-Score in NLTK ist in dieser PR verfügbar
Anders als die Unterschiede, NLTK BLEU Punkte in mehr Funktionen gepackt:
-
um Randfälle zu behandeln, die die ursprüngliche BLEU (Papineni, 2002) übersehen hat
- Siehe Ссылка
-
Auch für Randfälle, bei denen die größte Ordnung von Ngram & lt; In 4 werden die einheitlichen Gewichte der individuellen ngram-Genauigkeit neu gewichtet, so dass die Masse der Gewichte zu 1,0
summiert
- Siehe Ссылка
-
während NIST hat eine Glättungsmethode für die geometrische Sequenzglättung, NLTK hat ein äquivalentes Objekt mit der gleichen Glättungsmethode und noch mehr Glättungsmethoden, um das Satzlevel BLEU aus Chen und Collin, 2014 zu handhaben / p>
Um die in der NLTK-Version von BLEU hinzugefügten Funktionen zu validieren, wird den Konten ein Regressionstest hinzugefügt, siehe Ссылка
___
Es gibt eine Implementierung des BLEU-Ergebnisses in Python NLTK, %code%
Aber ich bin mir nicht sicher, ob es das gleiche wie die mtevalv13a ist .pl-Skript .
Was ist der Unterschied zwischen ihnen?
Kurz gesagt
Nein, die BLEU in NLTK ist nicht genau die gleiche wie die %code% .
Aber es kann sehr nahe kommen, siehe Ссылка
%code% entspricht %code% bis zur 4. Ordnung von ngram mit einigen Gleitkommadiskrepanzen
Die Details des Vergleichs und des verwendeten Datensatzes können von Ссылка
Die Hauptunterschiede:
In lang
Es gibt mehrere Unterschiede zwischen %code% und %code% :
-
Der erste Unterschied besteht darin, dass %code% mit einem eigenen NIST-Tokenizer geliefert wird, während die NLTK-Version von BLEU die Implementierung der Metrik ist und voraussetzt, dass die Eingabe vorbenannt wird / strong>.
- Übrigens, dieser laufende PR wird die Lücke zwischen NLTK- und NIST-Tokenizern schließen
-
Der andere Hauptunterschied besteht darin, dass %code% erwartet, dass die Eingabe im %code% -Format ist, während NLTK BLEU eine Python-Liste von Listen mit Strings aufnimmt, siehe README.txt im zipball hier für weitere Informationen darüber, wie man Textdateien nach SGM konvertiert .
-
%code% erwartet eine ngram-Reihenfolge von mindestens 1-4. Wenn die minimale ngram-Reihenfolge für den Satz / Korpus kleiner als 4 ist, wird eine 0 Wahrscheinlichkeit zurückgegeben, die ein %code% ist. Um dieses Verhalten zu emulieren, hat NLTK ein %code% -Flag gesetzt:
- Siehe Ссылка
-
%code% kann NIST-Scores generieren, während NLTK keine NIST-Score-Implementierung (zumindest noch nicht) aufweist
- Der NIST-Score in NLTK ist in dieser PR verfügbar
Anders als die Unterschiede, NLTK BLEU Punkte in mehr Funktionen gepackt:
-
um Randfälle zu behandeln, die die ursprüngliche BLEU (Papineni, 2002) übersehen hat
- Siehe Ссылка
-
Auch für Randfälle, bei denen die größte Ordnung von Ngram & lt; In 4 werden die einheitlichen Gewichte der individuellen ngram-Genauigkeit neu gewichtet, so dass die Masse der Gewichte zu 1,0
summiert- Siehe Ссылка
-
während NIST hat eine Glättungsmethode für die geometrische Sequenzglättung, NLTK hat ein äquivalentes Objekt mit der gleichen Glättungsmethode und noch mehr Glättungsmethoden, um das Satzlevel BLEU aus Chen und Collin, 2014 zu handhaben / p>
Um die in der NLTK-Version von BLEU hinzugefügten Funktionen zu validieren, wird den Konten ein Regressionstest hinzugefügt, siehe Ссылка