BLEU 指标和 ROUGE 有什么区别？

BLEU 和 ROUGE 都是评估 NLP 模型生成文本质量的自动化指标，但它们衡量的方面不同。BLEU 主要评估精确率（匹配的正确性），而 ROUGE 则强调召回率（内容捕获的全面性）。

BLEU 计算候选文本与参考文本之间的 n-gram 精确率，并对过短的输出进行惩罚。它对精确的词汇匹配高度敏感，通常用于机器翻译评估。ROUGE 采用多种度量方式（如 ROUGE-N、ROUGE-L、ROUGE-SU），专注于 n-gram、最长公共子序列或跳字的重叠情况，突出召回率。它是文本摘要任务的标准指标。BLEU 惩罚不匹配的候选词，而 ROUGE 则有效惩罚参考内容中缺失的部分。

这些指标服务于不同的评估目的。BLEU 是评估机器翻译输出流畅性和准确性的既定基准。相反，ROUGE 是衡量文本摘要系统中内容覆盖率和召回率的主要指标，用于衡量摘要从来源中捕获关键点的程度。它们是特定 NLP 领域中补充人工判断的重要工具。