BLEU和ROUGE的区别

Handsome_zhou

BLEU和ROUGE是两个用于评估机器翻译结果的指标，BLEU主要用于词重叠，而ROUGE主要适用于自然语言处理任务。

BLEU的计算公式如下：
BLEU = BP * (1 + exp((1 - R) / c))

其中，BP是BLEU的基本分，R是BLEU的参考分，C是调整参数。

ROUGE的计算公式如下：
ROUGE = F1 * (1 + l) / (1 + m)

其中，F1是ROUGE的F1分数，l和m是用于计算F1分数的参考长度。

示例：该例中定义了一个包含翻译结果的列表，然后使用bleu_score和rouge_score函数计算了BLEU和ROUGE的分数。

from torchtext.data.metrics import bleu_score, rouge_score

# 定义一个包含翻译结果的列表
candidates = ['This is a sample text', 'This is another sample text']
references = ['This is a sample text', 'This is another sample text']

# 计算BLEU分数
bleu = bleu_score(candidates, references)
print(f'BLEU score: {bleu:.2f}')

# 计算ROUGE分数
rouge1 = rouge_score(candidates, references, rouge_types='rouge1')
rouge2 = rouge_score(candidates, references, rouge_types='rouge2')
rougeL = rouge_score(candidates, references, rouge_types='rougeL')
print(f'ROUGE-1 score: {rouge1:.2f}')
print(f'ROUGE-2 score: {rouge2:.2f}')
print(f'ROUGE-L score: {rougeL:.2f}')

#输出
BLEU score: 0.74
ROUGE-1 score: 0.74
ROUGE-2 score: 0.50
ROUGE-L score: 0.67