词错误率（Word Error Rate，简称 WER）是评估语音识别、机器翻译、光学字符识别等序列输出系统准确性的一种常用指标。它通过比较系统输出（假设文本）与人工标注的参考文本（真值）之间的差异，量化错误的比例。
1. 计算公式
- S（Substitutions）：将参考文本中的一个词错误地替换为另一个词的次数。
- D（Deletions）：在系统输出中漏掉参考文本中的词的次数。
- I（Insertions）：系统输出中多余的、在参考文本里不存在的词的次数。
- N：参考文本中词的总数（即真值词数）。
WER 实际上是 编辑距离（Levenshtein distance） 在词层面的表现形式。
2. 计算步骤
- 分词
将参考文本和系统输出分别切分成词序列（通常以空格或标点为分界）。 - 对齐
使用动态规划算法（如 Levenshtein）在两个词序列之间找到最小编辑路径。 - 统计错误
从对齐结果中统计 S、D、I 三类错误。 - 代入公式
将统计值代入上式得到 WER。
3. 示例
| 参考文本（Reference） | 系统输出（Hypothesis） | 错误类型 | 计数 |
|---|---|---|---|
| “今天 天气 很 好” | “今天 天气 好” | 删除 (D) | 1 |
| “我 喜欢 听 音乐” | “我 喜欢 听 歌曲” | 替换 (S) | 1 |
| “他 去 了 北京” | “他 去 了 北京 了” | 插入 (I) | 1 |
- N = 8（参考文本词数）
- S = 1, D = 1, I = 1
4. 适用场景
5. 优缺点
| 优点 | 缺点 |
|---|---|
| 直观、易于解释； 能够捕捉插入、删除、替换三类错误。 |
对长句子或结构变化敏感； 不考虑词序的语义重要性； 对同义词替换不作惩罚，可能导致“过高”错误率。 |
6. 常见改进
- 字符错误率（CER）：在字符层面计算，适用于中文等无空格分词的语言。
- 词级别的加权 WER：对关键词赋予更高权重，以反映业务重要性。
- 使用语言模型进行对齐：在对齐阶段加入语言模型约束，降低因偶然对齐导致的误判。
7. 小结
词错误率（WER）是通过 插入、删除、替换 三类编辑操作相对于参考词数的比例来衡量系统输出质量的指标。它在语音识别等序列生成任务中被广泛采用，能够提供一个直观的错误比例，但也需要结合其他评估手段（如语义相似度、BLEU、CER）来获得更全面的性能评估。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！