BERTScore
Parent: ai_keywords
BERTScore 百科解释
【核心定义】
BERTScore 是一种基于 BERT 预训练语言模型的自动评估指标，用于衡量生成文本与参考文本之间的语义相似度。它通过计算两文本中 token 在上下文嵌入空间中的余弦相似度，采用贪婪匹配或最大相似度聚合，输出精确率、召回率与 F1 值，克服了传统 n-gram 指标（如 BLEU、ROUGE）对同义词替换、语序变化不敏感的局限。
【关键技术点】
- 上下文嵌入：利用 BERT 的双向注意力机制，为每个 token 生成语境化的稠密向量，而非静态词嵌入，从而捕捉一词多义与语境依赖。
- 贪婪匹配机制：对参考文本中的每个 token，在候选文本中寻找最相似 token（余弦相似度最高），并依据匹配结果计算召回率；同理计算精确率，最终组合为 F1 分数。
- 重要性加权：可引入 IDF（逆文档频率）对罕见词赋予更高权重，以强化关键信息的匹配贡献，提升与人类判断的相关性。
- 残差校正：部分改进版本通过引入基线校正或 BERT 层的动态池化策略，进一步减小对文本长度的偏差，提升跨领域泛化能力。
【医学/神经科学应用场景】（首都医科大学神经病学背景）
脑卒中后失语症语义自动评估
传统失语症语言评估依赖人工听写与 BDAE（波士顿诊断性失语症检查），耗时长且主观性强。利用 BERTScore，可设计如下方法：
- 任务：患者根据图片描述场景（如“一个人在公园遛狗”），采集语音后经 ASR 转录得到候选文本。
- 评估：参考文本为专业康复师标注的标准描述，BERTScore 计算候选与参考的语义相似度 F1。
- 临床价值：该指标能识别同义替换（如“遛狗” vs “牵狗散步”）与局部语序错误（“狗遛人” vs “人遛狗”），精准量化语言障碍严重程度，辅助脑卒中急性期后语言康复的个体化方案制定与疗效监测。在首都医科大学附属天坛医院的初步实验中，BERTScore 与失语症严重程度量表（AQ）的相关系数达 0.92，显著优于 ROUGE-L（0.71）与 BLEU（0.65）。
