METEOR（Metric for Evaluation of Translation with Explicit ORdering）是一种用于评估机器翻译质量的自动指标。它由Banerjee和Lavie于2005年提出，旨在解决传统BLEU指标的一些局限性，例如仅依赖于精确单词匹配的问题。METEOR通过考虑词对齐、词干化、同义词匹配以及词序等因素，提供了一个更全面的翻译质量评估方法。
METEOR的核心思想是计算候选翻译与参考翻译之间的相似度，并通过惩罚因子来调整分数，以鼓励生成的翻译在词序上与参考翻译一致。具体来说，METEOR首先计算单字的准确率（P）和召回率（R），然后基于这些值计算调和平均数F值。此外，它还引入了碎片性惩罚因子（Pen），用于评估句子的流畅性，即匹配单词的有序程度。
METEOR的一个显著优点是它能够处理同义词和词形变化，例如将“friend”翻译为“friends”或“buddy”都被视为正确的翻译。然而，由于其计算复杂度较高，且需要外部知识源如WordNet的支持，因此在某些情况下可能无法适用于所有语言。
METEOR是一种改进的机器翻译评估指标，能够更好地反映人类对翻译质量的主观判断，并在多个领域得到了广泛应用
声明：文章来源于网络，如有侵权请联系删除！