摘要质量评价

1、自动评价

高效、一致性好、节省人力时间，但不精确
1）ROUGE
类似BLEU，基于N元模型自动评价系统摘要与人工摘要的吻
合程度
ROUGE-N, ROUGE-SU4

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，表示候选摘要和参考摘要中同时出现n-gram的个数，则表示参考摘要中出现的n-gram个数。不难看出，ROUGE公式是由召回率的计算公式演变而来的，分子可以看作“检出的相关文档数目”，即系统生成摘要与标准摘要相匹配的N-gram个数，分母可以看作“相关文档数目”，即标准摘要中所有的N-gram个数。
例：R1 : police killed the gunman.
R2 : the gunman was shot down by police.

C1 : police ended the gunman.

C2 :the gunman murdered police.

R1，R2 为参考摘要，C1，C2 为候选摘要。

ROUGE-1(C1)=(3+3)/(4+7)=6/11

ROUGE-1(C2)=(3+3)/(4+7)=6/11

ROUGE-2(C1)=(1+1)/(3+6)=2/9

ROUGE-2(C2)=(1+1)/(3+6)=2/9

C1与C2的ROUGE-1、ROUGE-2分数相等，但是意思完全不相同!

优点：

    直观，简洁，能反映词序。

缺点：

    区分度不高，且当N>3时，ROUGE-N值通常很小。

应用场景：

    ROUGE-1：短摘要评估，多文档摘要（去停用词条件）;

    ROUGE-2: 单文档摘要，多文档摘要（去停用词条件）;

参考文章：http://blog.csdn.net/lcj369387335/article/details/69845385

BE

基于句法树/依存关系树，句子划分为最小语义单元(BE，语法
成分+关系),然后基于BE进行ROUGE评测
自动评价方法本身也一直是被研究对象

2、人工评价

精确，但耗费人力时间，容易受干扰(可控)
1）内容方面(Content)
基于金字塔方法(Pyramid method)？
 基于摘要内容单元(SCU)进行计算，SCU的选择和匹配由人工
完成？
2） 可读性方面(Readability/Fluency)
人工打分： 1： Very Poor … 5: Very Good
3）综合质量(Overall Responsiveness)
人工打分