แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบเมตริกการประเมินผล ROUGE และ BLEU

ตรวจสอบความแม่นยำและการตัด BLEU การเรียกคืน ROUGE และการทับซ้อนกันของลำดับ และเหตุใดหน่วยเมตริก n-gram จึงพลาดการถอดความที่ถูกต้องตามความหมาย

เส้นทางแนะนำที่เกี่ยวข้องตัวชี้วัดการประเมินผล Rouge และ Bleu
คำถาม 1 ของ 8

เมตริกใดที่เดิมออกแบบมาเพื่อการแปลด้วยคอมพิวเตอร์และเน้นย้ำถึงความแม่นยำ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. เมตริกใดที่เดิมออกแบบมาเพื่อการแปลด้วยคอมพิวเตอร์และเน้นย้ำถึงความแม่นยำ
    • เบลอ
    • สีแดง
    • เบิร์ตสกอร์
    • F1 เท่านั้น
  2. ROUGE มุ่งเน้นไปที่อะไรเป็นหลัก?
    • ความแม่นยำ
    • จำ
    • เวลาแฝง
    • ขนาดโมเดล
  3. โทษความสั้นสั้นของ BLEU ป้องกันอะไร
    • การผลิตผลงานที่ยาวเกินไป
    • การใช้คำที่หายาก
    • เล่นเกมคะแนนด้วยเอาท์พุตที่สั้นมาก
    • ย้ำคำเดิม
  4. ROUGE-L วัดค่าอะไร?
    • จำนวนตัวอักษรในเอาต์พุต
    • เวลาแฝงในหน่วยมิลลิวินาที
    • อัตราการเรียนรู้ที่ใหญ่ที่สุดที่ใช้
    • ลำดับรองทั่วไปที่ยาวที่สุดระหว่างผู้สมัครและผู้อ้างอิง
  5. อะไรคือข้อจำกัดร่วมกันที่สำคัญของทั้ง BLEU และ ROUGE?
    • พวกเขาวัดเฉพาะพื้นผิวที่ทับซ้อนกัน n-gram และถอดความหรือความหมายผิดไป
    • พวกเขาต้องใช้ GPU ในการคำนวณ
    • พวกเขาไม่สามารถจัดการข้อความภาษาอังกฤษได้
    • พวกเขาไม่จำเป็นต้องมีข้อความอ้างอิง
  6. BLEU จะป้องกันไม่ให้ระบบเล่นเกมคะแนนโดยการทำซ้ำ n-gram ความถี่สูงได้อย่างไร
    • โดยจะละเว้นคำที่ซ้ำกันทั้งหมด
    • โดยจะตัดจำนวน n-gram ของผู้สมัครแต่ละคนให้เป็นจำนวนสูงสุดในการอ้างอิง
    • นับเฉพาะประโยคแรกเท่านั้น
    • จะลงโทษการทำซ้ำใด ๆ ให้เป็นศูนย์
  7. When does BLEU’s brevity penalty reduce a candidate’s score?
    • When the candidate includes a unigram match
    • When the reference contains more than four words
    • When the candidate is shorter than the reference length
    • When the candidate uses a paraphrase
  8. Why does BLEU take a geometric mean across n-gram precisions?
    • It converts precision into a confidence interval
    • It guarantees semantic equivalence
    • It removes the need for reference text
    • A low score at one n-gram order can substantially lower the combined score