Python中iloc,python可视化怎么做

　　1.1 .胭脂简介

　　ROUGE评价法与金字塔评价法和BLUE评价法是评价自动文摘质量的三大内部评价法。

　　胭脂：面向回忆的orientedunderstandforgistingevalution

　　2004年，林金耀在

　　基本思想

　　几个专家手动生成摘要以形成标准摘要集。将系统生成的自动摘要与人工标准摘要进行对比，通过统计两者之间重复的基本单位【n元语法、词序、词对】的数量来评价摘要的质量。通过比较众多专家的人工摘要，可以提高评价系统的稳定性和鲁棒性。

　　这种方法已经成为评价抽象技术的通用标准之一。

　　2.评定标准

　　胭脂

　　胭脂-L

　　胭脂-S

　　胭脂-W

　　胭脂苏

　　规则-n (n-gram共现统计)。

　　n元模型

　　n元model.png

　　一个语句S由一个字列[图像上传失败。(image-a49417-1542860196809)]，以及语句S[图片上传失败]的概率。] image-31 d2bd-1542880 n-gram模型基于马尔可夫假设，认为一个词的出现依赖于出现在他面前的有限数量的词。

　　胭脂-n介绍。png

　　这里分母是n元文法的个数，分子是参考摘要和自动摘要共享的n元文法的个数。让我给你举个例子：

　　自动汇总y(通常自动生成):

　　这只猫是在床底下被发现的

　　摘要，x1(金标准，人工生成):

　　那只猫在床下

　　1克、2克和N克摘要如下所示。

　　Rouge_1(x1，y )=6/6=1.0。分子是同时出现在评价对象摘要和参考摘要中的1g的编号，分子是参考摘要的1g的编号。(其实分母也可以评价抽象，但是在准确率和召回率之间，重点是召回率。此外，这也与上面的ROUGN-N公式相同)

　　同样，rouge_2(x1，y )=4/5=0.8

　　4.胭脂-L

　　image.png

　　5.胭脂-W

　　ROUGE-W是ROUGW-L的改进版本，如下所示

　　图中X是参考摘要，Y1和Y2是两个评价对象的摘要，Y1明显优于Y2。Y1与参考摘要X连续一致，但rouge_l(x，Y1 )=Rouge_L(X) x，Y2)。针对这一问题，本文作者提出了一种3354加权最长公共子串的改进方案。

　　6.胭脂-S

　　即使使用skip-grams，在浏览和匹配摘要和要评估的摘要时，也不需要grams之间的连续性。可以像skip-bigram一样“跳过”几个词。生成克时，最多允许跳过两个字。例如，《戴帽子的猫》的跳跃式连词是“猫在，猫在，猫帽子，在，在帽子里”。

　　7.摘要

　　8.安装胭脂和烙铁

　　使用pyrouge前必须安装胭脂。

　　以下两个链接提供了相应的安装工具和教程。

　　注意：Github的胭脂已经不能用了。

　　9.使用

　　defrouge(ref，hyp，log_path):

　　assertlen(ref )==len (hyp))).

　　ref_dir=log_path reference/

　　cand_dir=log_path candidate/

　　ifnotOS.path.exists(ref_dir):

　　OS.mkdir(ref_dir).

　　ifnotOS.path.exists(cand_dir):

　　OS.mkdir(cand_dir)).

　　自由范围(len) ref):

　　用codecs . open(ref _ dir d _ reference . txt % I， w ， utf-8 )作为f:

　　f.write()。连接(参考文献[I])。替换)、)、 \n ))

　　用codecs . open(cand _ dir d _ candidate . txt % I， w ， utf-8 )作为f:

　　f.write()。加入(hyp [ I ]。替换(，)。替换(， )。UNK“)()))))))

　　r=烟火。Rouge155()

　　r . model _ filename _ pattern= # id # _ reference . txt

　　r . system _ filename _ pattern=(\ d)_ candidate . txt

　　logging.getlogger(全局)。设置级别(logging.warning)).

　　rouge _ results=r . convert _ and _ evaluate(

　　scores=r . output _ to _ dict(rouge _ results)

　　recall=[round][scores[ rouge _ 1 _ recall ]* 100，2)，

　　round(分数[ rouge _2_ recall ] * 100，2)，

　　round(分数[ rouge _ l _ recall ] * 100，2 ) ]

　　精度=[ round ] [分数[ rouge _1_ precision ] * 100，2)，

　　round(分数[ rouge _2_ precision ] * 100，2)，

　　round(分数[ rouge _ l _ precision ] * 100，2 ) ]

　　f _ score=[round][ rouge _ 1 _ f _ score ]* 100，2)，

　　圆形(分数[胭脂_2_ f _ score ] * 100，2)，

　　圆形(分数[ rouge _ l _ f _ score ] * 100，2 ) ]

　　打印(f _ measure : % s召回率：% s精度：% s\n

　　%(str(f_score)、str (recall)、str (precision))

　　使用编解码器。open(ref _ dir rouge score ， w ， utf-8 ) as f:

　　f。write(f _ measure:% s召回率：% s精度：% s \ n)。

　　%(str(f_score)、str (recall)、str (precision))

　　return f_score[:]、recall[:]、precision[:]

　　首先请记住：进口烙铁

　　这里的裁判员是生成的摘要，hyp是系统参照摘要

　　在参考文件夹下，文件名为引用00 . txt 00表示数字编号

　　必须记住

　　文件都是一行一文的！

　　文本文件(文本文件)文件中似乎不允许""。可能会发生错误！

　　参考资料

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

相关文章阅读