ガイド連動クイズ · 中 レベル

BERTScore とセマンティック評価のクイズ

セマンティック テキスト評価におけるコンテキスト トークン マッチング、精度とリコール方向、IDF の重み付け、およびベースラインの再スケーリングをチェックします。

関連するガイドパスBertscore とセマンティック評価
質問 1 の 8

BERTScore は、BLEU と ROUGE のどのような主要な弱点に対処しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. BERTScore は、BLEU と ROUGE のどのような主要な弱点に対処しますか?
    • 異なる単語を使用した有効な言い換えを罰します。
    • 長いドキュメントでは動作が遅すぎる
    • すべてのスコアに人間のアノテーターが必要です
    • 彼らは要約ではなく翻訳のみに取り組んでいます
  2. BERTScore は 2 つのトークンが類似しているとどのように判断するのでしょうか?
    • 共通文字数をカウントすることで
    • 文脈上の埋め込みのコサイン類似性による
    • それらが同じ辞書エントリに含まれているかどうかを確認することによって
    • 文字列の完全一致による
  3. BERTScore 埋め込みが「コンテキスト」であるとはどういう意味ですか?
    • 語彙ごとに 1 回だけ計算されます
    • 彼らは周囲の言葉を完全に無視します
    • 同じ単語でも文によって異なるベクトルが得られる
    • これらは単語の頻度カウントに基づいています
  4. BERTScore が通常報告する 3 つの値はどれですか?
    • ブルー、ルージュ、メテオール
    • 正確さ、再現率、複雑さ
    • バイアス、分散、損失
    • 精度、再現率、F1
  5. BERTScore のオプションの IDF 重み付けの目的は何ですか?
    • 非常に一般的であまり有益ではない単語を軽視するため
    • 埋め込み計算を高速化するには
    • スコアをパーセンテージに変換するには
    • 採点前にテキストを翻訳するには
  6. ベースラインの再スケーリングが BERTScore に適用される場合があるのはなぜですか?
    • 参照テキストを不要にするには
    • 生のスコアをより解釈可能な範囲に広げるため
    • 比較のためにBLEUに変換するには
    • 埋め込みモデルを完全に削除するには
  7. 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
  8. 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