---
title: "ROUGE (metric) (TH)"
source: "https://systems-analysis.info/int/ROUGE_(metric)_(TH)"
wiki: "systems-analysis.info/int"
article: "ROUGE_(metric)_(TH)"
language: "th"
categories:
  - "Category:Large language models"
  - "Category:LLM evaluation"
  - "Category:Machine learning"
  - "Category:Thai"
revision_id: 6142
wiki_created_at: 2026-09-06T23:58:54Z
wiki_modified_at: 2026-09-06T23:58:54Z
downloaded_at: 2026-09-07T23:12:18Z
---

# ROUGE (metric) (TH)

**ROUGE** (ตัวย่อจากภาษาอังกฤษ *Recall-Oriented Understudy for Gisting Evaluation* — «ตัวประเมินแทนสำหรับการสรุปความ ที่เน้นความครบถ้วน») — คือชุดเมตริกอัตโนมัติสำหรับประเมินคุณภาพของบทสรุป (สาระสังเขป) ที่สร้างขึ้นโดยระบบ การประเมินทำโดยการเปรียบเทียบบทสรุปที่สร้างโดยอัตโนมัติกับบทสรุปอ้างอิง (reference) หนึ่งชุดหรือมากกว่าที่สร้างโดยมนุษย์<sup>[\[1\]](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_note-wiki_rouge-1)</sup>

ในเบื้องต้น เมตริกนี้ถูกพัฒนาขึ้นสำหรับงานการสรุปความข้อความอัตโนมัติ อย่างไรก็ตาม มันยังถูกนำไปใช้ในการประเมินคุณภาพของการแปลด้วยเครื่องด้วย แตกต่างจากเมตริก BLEU ซึ่งประเมิน precision (ความแม่นยำ) ROUGE มุ่งเน้นที่ **ความครบถ้วน** (*recall*) — มันแสดงให้เห็นว่าส่วนใดของเนื้อหาสำคัญจากบทสรุปอ้างอิงถูกนำมาปรากฏในข้อความที่สร้างขึ้น

ชุดเมตริก ROUGE ได้รับการเสนอในปี พ.ศ. 2547 โดยนักวิจัย **Chin-Yew Lin** จากสถาบันวิทยาการสารสนเทศ มหาวิทยาลัยเซาเทิร์นแคลิฟอร์เนีย<sup>[\[2\]](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_note-lin_2004-2)</sup> เมตริก ROUGE ได้กลายเป็นมาตรฐานโดยพฤตินัยสำหรับการประเมินอัลกอริทึมการสรุปความ โดยเฉพาะอย่างยิ่งหลังจากที่ถูกนำไปใช้ในการแข่งขันขนาดใหญ่ เช่น DUC (*Document Understanding Conference*)

## ตัวแปรหลักของเมตริก ROUGE

ตระกูล ROUGE ประกอบด้วยเมตริกที่เกี่ยวข้องกันหลายรายการ โดยแต่ละรายการวัดการทับซ้อนของเนื้อหาตามเกณฑ์ที่แตกต่างกัน<sup>[\[3\]](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_note-gm_rkb-3)</sup>:

- **ROUGE-N**: วัดการทับซ้อนของ n-gram (ลำดับของคำจำนวน *n* คำ)
  - **ROUGE-1** คำนวณการทับซ้อนของ unigram (คำเดี่ยว)
  - **ROUGE-2** คำนวณการทับซ้อนของ bigram (คู่ของคำที่ต่อเนื่องกัน)

<!-- -->

- **ROUGE-L**: อิงจาก **ลำดับย่อยร่วมที่ยาวที่สุด** (*Longest Common Subsequence*, LCS) ระหว่างบทสรุปที่สร้างขึ้นกับบทสรุปอ้างอิง เมตริกนี้คำนึงถึงการจับคู่ในระดับโครงสร้างประโยค เนื่องจากวัดลำดับคำที่ยาวที่สุดที่ปรากฏในลำดับเดียวกัน แต่ไม่จำเป็นต้องต่อเนื่องกัน

<!-- -->

- **ROUGE-W**: การดัดแปลงของ ROUGE-L (*Weighted LCS*) ซึ่งกำหนดน้ำหนักมากขึ้นให้กับลำดับย่อยร่วมที่ประกอบด้วยคำที่ต่อเนื่องกัน เพื่อส่งเสริมการจับคู่วลีที่ต่อเนื่อง

<!-- -->

- **ROUGE-S** และ **ROUGE-SU**: เมตริกที่อิงจากการจับคู่ **skip-bigram** (คู่คำที่ข้ามช่วง) skip-bigram คือคู่คำใดก็ตามที่ปรากฏในทั้งสองข้อความในลำดับเดียวกัน แต่ไม่จำเป็นต้องต่อเนื่องกัน ทำให้สามารถคำนึงถึงการจับคู่ที่มีช่องว่างระหว่างคำได้
  - **ROUGE-SU** เป็นการขยายของ ROUGE-S ซึ่งยังคำนึงถึงการจับคู่ unigram ด้วย เพื่อหลีกเลี่ยงคะแนนเป็นศูนย์สำหรับบทสรุปที่ไม่มีคู่คำที่จับคู่กันได้

เมตริกแต่ละรายการสามารถคำนวณในรูปของความครบถ้วน (*recall*), ความแม่นยำ (*precision*) หรือค่าเฉลี่ยฮาร์โมนิกของทั้งสอง (F-measure) ตามธรรมเนียมสำหรับงานการสรุปความ จะเน้นที่ **ความครบถ้วน** (ROUGE-N recall) เนื่องจากสิ่งสำคัญคือโมเดลต้องสกัดข้อมูลสำคัญจากข้อความต้นฉบับให้ได้มากที่สุดเท่าที่จะเป็นไปได้

## การประยุกต์ใช้และความสำคัญ

เมตริก ROUGE ได้กลายเป็นเครื่องมือมาตรฐานสำหรับการประเมินอัลกอริทึมการสรุปความอย่างเป็นกลาง นับตั้งแต่กลางทศวรรษ 2000 การแข่งขันด้านการสรุปความอัตโนมัติแทบทุกรายการ (เช่น DUC และ TAC) ใช้ ROUGE ในการจัดอันดับระบบ ความนิยมของเมตริกนี้อธิบายได้จากความเรียบง่ายและประสิทธิภาพที่พิสูจน์แล้ว: การทับซ้อนของ n-gram พิสูจน์แล้วว่าเป็นตัวบ่งชี้ที่เชื่อถือได้เพียงพอสำหรับการสะท้อนเนื้อหาของบทสรุป

ด้วยการเกิดขึ้นของโมเดลเครือข่ายประสาทและ LLM บทบาทของ ROUGE ยังคงอยู่ แต่การตีความกลับซับซ้อนมากขึ้น โมเดลสมัยใหม่สร้างบทสรุปที่มีคุณภาพสูงมาก จนเมตริกแบบดั้งเดิมอาจถึง «เพดาน» และแยกแยะความแตกต่างของคุณภาพได้ยาก ซึ่งกระตุ้นให้มีการพัฒนาวิธีการประเมินใหม่<sup>[\[4\]](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_note-tacl_2021-4)</sup>

## ข้อจำกัดและการวิพากษ์วิจารณ์

แม้จะเป็นที่นิยม ROUGE มีข้อจำกัดที่ทราบกันดีหลายประการ:

- **ลักษณะผิวเผิน**: เมตริกอาศัยเพียงการจับคู่คำตามตัวอักษรและไม่สามารถประเมินความเท่าเทียมทางความหมายได้ มันอาจให้คะแนนต่ำแก่บทสรุปที่ดี หากบทสรุปนั้นใช้คำพ้องความหมายหรือการถอดความ
- **การละเลยคุณภาพข้อความ**: ROUGE ไม่ประเมินความถูกต้องทางไวยากรณ์ ความเชื่อมโยง หรือความสามารถในการอ่านของการเรียบเรียง โมเดลอาจได้คะแนนสูงโดยเพียงแค่ทำซ้ำส่วนสำคัญจากบทสรุปอ้างอิง แม้ว่าข้อความที่ได้จะไม่เชื่อมโยงกันก็ตาม
- **การพึ่งพาบทสรุปอ้างอิง**: คุณภาพของการประเมินขึ้นอยู่กับคุณภาพและความสมบูรณ์ของบทสรุปอ้างอิงโดยตรง หากบทสรุปอ้างอิงเขียนได้ไม่ดี การประเมินจะไม่น่าเชื่อถือ
- **การขาดการประเมินข้อเท็จจริง**: เมตริกไม่สามารถตรวจสอบความถูกต้องของข้อเท็จจริงได้ บทสรุปอาจได้คะแนน ROUGE สูง แต่มีข้อเท็จจริงที่ผิดพลาด หากข้อเท็จจริงเหล่านั้นถูกคัดลอกมาจากแหล่งที่มา ไม่ใช่จากบทสรุปอ้างอิง

## ทางเลือกและแนวทางสมัยใหม่

ข้อจำกัดของ ROUGE กระตุ้นให้มีการพัฒนาวิธีการประเมินทางเลือก:

- **เมตริกที่เน้นความหมาย**: พยายามวัดความคล้ายคลึงในระดับความหมาย ไม่ใช่การจับคู่คำที่แน่นอน ตัวอย่างได้แก่ **BERTScore** ซึ่งเปรียบเทียบการแสดงเวกเตอร์ (embedding) ของข้อความที่สร้างขึ้นและข้อความอ้างอิง
- **เมตริกแบบผสม**: ผสมผสานเกณฑ์เชิงคำศัพท์และเชิงความหมาย ตัวอย่างเช่น แนวทาง **ROUGE-SEM** เสริม ROUGE แบบคลาสสิกด้วยโมดูลความคล้ายคลึงทางความหมายที่อิงจาก embedding เพื่อประเมินข้อความที่ถอดความได้ดียิ่งขึ้น<sup>[\[5\]](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_note-rouge_sem-5)</sup>
- **เมตริกที่อิงจาก LLM**: แนวทางสมัยใหม่ที่โมเดลอันทรงพลัง (เช่น GPT) ถูกใช้เป็น «ผู้ตัดสิน» เพื่อประเมินคุณภาพของบทสรุปตามเกณฑ์หลายประการ โดยเลียนแบบการประเมินของผู้เชี่ยวชาญมนุษย์

โดยสรุป ROUGE ได้พิสูจน์ตัวเองในฐานะเครื่องมือที่เรียบง่ายและมีประสิทธิภาพสำหรับการประเมินการสรุปความอัตโนมัติ แม้จะมีเมตริกที่ซับซ้อนกว่าเกิดขึ้น ROUGE ด้วยข้อบกพร่องทั้งหมด ยังคงเป็นเครื่องมือพื้นฐานที่ขาดไม่ได้ในคลังเครื่องมือของนักวิจัย NLP

## ลิงก์

- บทความต้นฉบับของ Chin-Yew Lin เกี่ยวกับ ROUGE (2004)

## หมายเหตุ

1.  <span id="cite_note-wiki_rouge-1">[↑](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_ref-wiki_rouge_1-0) «ROUGE (metric)». *Wikipedia*. <a href="https://en.wikipedia.org/wiki/ROUGE_(metric)" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-lin_2004-2">[↑](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_ref-lin_2004_2-0) Lin, Chin-Yew. «ROUGE: A Package for Automatic Evaluation of Summaries». *Proceedings of the ACL-04 Workshop on Text Summarization Branches Out*, 2004. <a href="https://aclanthology.org/W04-1013.pdf" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-gm_rkb-3">[↑](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_ref-gm_rkb_3-0) «ROUGE (Recall-Oriented Understudy for Gisting Evaluation) Performance Metric». *GM-RKB*. <a href="http://www.gabormelli.com/RKB/ROUGE_(Recall-Oriented_Understudy_for_Gisting_Evaluation)_Performance_Metric" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-tacl_2021-4">[↑](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_ref-tacl_2021_4-0) Deutsch, Daniel, and Rotem Dror. «A Statistical Analysis of Summarization Evaluation Metrics». *Transactions of the Association for Computational Linguistics*, vol. 9, 2021, pp. 495-508. <a href="https://aclanthology.org/anthology-files/anthology-files/pdf/tacl/2021.tacl-1.24.pdf" class="external autonumber" rel="nofollow">[4]</a></span>
5.  <span id="cite_note-rouge_sem-5">[↑](https://systems-analysis.info/int/ROUGE_(metric)_(TH)#cite_ref-rouge_sem_5-0) Zhang, M., et al. «ROUGE-SEM: Better evaluation of summarization using ROUGE combined with semantics». *Expert Systems with Applications*, vol. 237, 2024, p. 121364. <a href="https://github.com/zhangming-19/ROUGE-SEM" class="external autonumber" rel="nofollow">[5]</a></span>