গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
BERTScore এবং শব্দার্থিক মূল্যায়ন কুইজ
শব্দার্থিক পাঠ্য মূল্যায়নে প্রাসঙ্গিক টোকেন ম্যাচিং, নির্ভুলতা এবং প্রত্যাহার দিক, IDF ওজন এবং বেসলাইন রিস্কেলিং পরীক্ষা করে।
প্রশ্ন 1 এর 8
BLEU এবং ROUGE এর কোন মূল দুর্বলতা BERTScore সম্বোধন করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- BLEU এবং ROUGE এর কোন মূল দুর্বলতা BERTScore সম্বোধন করে?
- তারা বিভিন্ন শব্দ ব্যবহার করে এমন বৈধ প্যারাফ্রেজকে শাস্তি দেয়
- তারা দীর্ঘ নথিতে খুব ধীরে চালায়
- তাদের প্রতিটি স্কোরের জন্য মানুষের টীকা প্রয়োজন
- তারা শুধুমাত্র অনুবাদে কাজ করে, সারসংক্ষেপ নয়
- BERTScore কিভাবে সিদ্ধান্ত নেয় যে দুটি টোকেন একই রকম?
- ভাগ করা অক্ষর গণনা করে
- তাদের প্রাসঙ্গিক এম্বেডিংয়ের কোসাইন সাদৃশ্য দ্বারা
- তারা একই অভিধান এন্ট্রি প্রদর্শিত কিনা চেক করে
- সঠিক স্ট্রিং ম্যাচিং দ্বারা
- এর অর্থ কী যে BERTScore এম্বেডিংগুলি 'প্রসঙ্গিক'?
- প্রতি ভোকাবুলারি শব্দে এগুলি শুধুমাত্র একবার গণনা করা হয়
- তারা আশেপাশের শব্দগুলিকে সম্পূর্ণরূপে উপেক্ষা করে
- একই শব্দ তার বাক্যের উপর নির্ভর করে বিভিন্ন ভেক্টর পায়
- তারা শব্দ ফ্রিকোয়েন্সি গণনা উপর ভিত্তি করে
- BERTScore সাধারণত কোন তিনটি মান রিপোর্ট করে?
- ব্লিউ, রুজ এবং উল্কা
- নির্ভুলতা, প্রত্যাহার, এবং বিভ্রান্তি
- পক্ষপাত, ভিন্নতা এবং ক্ষতি
- যথার্থতা, প্রত্যাহার, এবং F1
- BERTScore-এ ঐচ্ছিক IDF ওজন নির্ধারণের উদ্দেশ্য কী?
- ওজন কমানোর জন্য খুব সাধারণ, কম তথ্যপূর্ণ শব্দ
- এম্বেডিং গণনার গতি বাড়ানোর জন্য
- স্কোরকে শতাংশে রূপান্তর করতে
- স্কোর করার আগে পাঠ্য অনুবাদ করতে
- কেন বেসলাইন রিস্কেলিং কখনও কখনও BERTScore এ প্রয়োগ করা হয়?
- একটি রেফারেন্স টেক্সট জন্য প্রয়োজন অপসারণ
- একটি আরও ব্যাখ্যাযোগ্য পরিসর জুড়ে কাঁচা স্কোর তৈরি করতে
- তুলনার জন্য এটিকে BLEU তে রূপান্তর করতে
- সম্পূর্ণরূপে এমবেডিং মডেল নির্মূল করতে
- In BERTScore, which direction corresponds to recall?
- For each candidate token, find its best-matching reference token
- Compare sentence lengths only
- For each reference token, find its best-matching candidate token
- Count exact matching n-grams
- Why can IDF weighting change BERTScore’s token contribution?
- It replaces contextual embeddings with word counts
- It removes the reference text
- It forces every token to have identical similarity
- Common words receive less weight than more informative words