karakterfoutwaarde

Karakterfoutwaarde, vaak afgekort als CER (Character Error Rate), is een maatstaf voor de nauwkeurigheid van een getranscribeerde tekst ten opzichte van een referentietekst. Het geeft aan welk aandeel karakters fout zijn geclassificeerd en wordt gebruikt om de kwaliteit van systemen zoals optische-tekstenherkenning (OCR), spraak-naar-tekst (ASR) en handschriftherkenning te evalueren.

De CER wordt meestal berekend als (S + D + I) / N, waarbij S het aantal substitutions (vervangingen), D het aantal deletions (verwijderingen) en I het aantal insertions (toevoegingen) zijn, en N het totale aantal tekens in de referentie. In de praktijk wordt vaak de Levenshtein-afstand gebruikt om deze foutlenzen te bepalen en vervolgens genormaliseerd door N. De waarde wordt doorgaans uitgedrukt als een verhouding of percentage.

CER is een karakterlaag-evaluatiemaatstaf en verschilt van woordfoutwaarde (WER) doordat het op tekens in plaats van woorden kijkt. Het is gevoelig voor normalisatiekeuzes, zoals hoofdlettergebruik en diakritische tekens. Om vergelijkbare resultaten te krijgen, passen onderzoekers vaak voorbewerking toe zoals lowercasing, verwijdering van interpunctie of consistentie in spelling.

Toepassingen omvatten kwaliteitsbeoordeling van OCR-systemen, transcriptieprojecten, ondertiteling en linguïstisch onderzoek. Een lagere CER wijst op een hogere nauwkeurigheid; waarden dichter bij 0% geven aan dat de getranscribeerde tekst vrijwel foutloos overeenkomt met de referentie.