本文主要是介绍ROUGE评价算法学习，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
ROUGE（ Recall-Oriented Understudy for Gisting Evaluation） ，在2004年 由 ISI 的Chin-Yew Lin 提出的一种自动摘要评价方法，现被广泛应用于 DUC（ Document Understanding Conference ）的摘要评测任务中。 ROUGE 基于摘要中 n 元词( n-gram )的共现信息来评价摘要，是一种面向 n 元词召回率的评价方法。基本思想为由多个专家分别生成人工摘要，构成标准摘要集，将系统生成的自动摘要与人工生成的标准摘要相对比，通过统计二者之间重叠的基本单元(n元语法、词序列和词对)的数目，来评价摘要的质量。通过与专家人工摘要的对比，提高评价系统的稳定性和健壮性。该方法现已成为摘要评价技术的通用标注之一。 ROUGE 准则由一系列的评价方法组成，包括 ROUGE-N(N=1、2、3、4，分别代表基于1元词到4元词的模型) ， ROUGE-L，ROUGE-S, ROUGE-W， ROUGE-SU 等。在自动文摘相关研究中，一般根据自己的具体研究内容选择合适的 ROUGE 方法。
其中，n表示n-gram的长度，{Reference Summaries}表示参考摘要，即事先获得的标准摘要，
这篇关于ROUGE评价算法学习的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
