Gids-gekoppelde quiz · Middelmatig Niveau
BERTScore en semantische evaluatiequiz
Controleert contextuele tokenmatching, precisie en terugroeprichting, IDF-weging en herschaling van de basislijn bij semantische tekstevaluatie.
Vraag 1 van 8
Welke kernzwakte van BLEU en ROUGE pakt BERTScore aan?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welke kernzwakte van BLEU en ROUGE pakt BERTScore aan?
- Ze bestraffen geldige parafrases waarin verschillende woorden worden gebruikt
- Bij lange documenten werken ze te langzaam
- Ze hebben voor elke score menselijke annotators nodig
- Ze werken alleen aan vertaling, niet aan samenvatting
- Hoe besluit BERTScore dat twee tokens vergelijkbaar zijn?
- Door gedeelde karakters te tellen
- Door cosinus gelijkenis van hun contextuele inbedding
- Door te controleren of ze in hetzelfde woordenboekitem voorkomen
- Door exacte stringmatching
- Wat betekent het dat BERTScore-insluitingen 'contextueel' zijn?
- Ze worden slechts één keer per woordenschatwoord berekend
- Ze negeren de omringende woorden volledig
- Hetzelfde woord krijgt verschillende vectoren, afhankelijk van de zin
- Ze zijn gebaseerd op woordfrequentietellingen
- Welke drie waarden rapporteert BERTScore doorgaans?
- BLEU, ROUGE en METEOR
- Nauwkeurigheid, herinnering en verbijstering
- Vooroordelen, variantie en verlies
- Precisie, terugroepactie en F1
- Wat is het doel van optionele IDF-weging in BERTScore?
- Om veel voorkomende, minder informatieve woorden te ondermijnen
- Om de inbeddingsberekening te versnellen
- Om scores om te zetten in percentages
- Om tekst te vertalen voordat u scoort
- Waarom wordt het herschalen van de basislijn soms toegepast op BERTScore?
- Om de noodzaak van een referentietekst weg te nemen
- Om ruwe scores over een beter interpreteerbaar bereik te verspreiden
- Om het ter vergelijking om te zetten naar BLEU
- Om het inbeddingsmodel volledig te elimineren
- 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