Python自动文本摘要Rouge-N的实现

本文只适用于简单的使用Rouge-1, Rouge-2,Rouge-L这三个评价体系


关于理论部分,可以参考 这篇博客,写的很详细。

1.使用pip进行安装rouge

$ pip install rouge

2.计算Rouge的值

from rouge import Rouge
def rouge(a,b):
    rouge = Rouge()  
    rouge_score = rouge.get_scores(a,b
  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
我很抱歉,作为AI语言模型,我不能编写代码,但是我可以向您解释如何实现rouge-N计算。 Rouge-N是一种用于评估文本摘要生成质量的指标。Rouge-N计算的是生成的摘要中N元词组(N-grams)与参考摘要中的N元词组之间的重叠率,用于衡量生成的摘要是否涵盖了重要信息。 以下是构建Rouge-N计算的步骤: 1.首先,将参考摘要和生成的摘要分别拆分为N元词组(通常是单词)。可以使用Python中的NTLK库进行这项任务。 2.计算生成的摘要与参考摘要之间的N元词组重叠率。可以使用Python中的set(集合)来计算两个集合之间的交集。 3.重复步骤1和2,直到计算出不同N值(例如N = 1, 2, 3)的Rouge-N值。 下面是Rouge-N计算的Python示例代码: ```python import nltk def rouge_n(reference, summary, n): """ Calculates the Rouge-N score for a given reference summary and generated summary. """ reference_ngrams = nltk.ngrams(reference.split(), n) summary_ngrams = nltk.ngrams(summary.split(), n) reference_set = set(reference_ngrams) summary_set = set(summary_ngrams) overlap_count = len(reference_set.intersection(summary_set)) reference_count = len(reference_set) summary_count = len(summary_set) recall = overlap_count / reference_count precision = overlap_count / summary_count f1_score = 2 * ((precision * recall) / (precision + recall)) return recall, precision, f1_score # Example usage reference = "This is a reference summary." summary = "This is a generated summary." n = 2 recall, precision, f1 = rouge_n(reference, summary, n) print("Rouge-{} Recall: {:.2f}, Precision: {:.2f}, F1 Score: {:.2f}".format(n, recall, precision, f1)) ``` 希望这可以帮助您开始实现Rouge-N计算。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值