Rouge 正在参加 2021 年度 OSC 中国开源项目评选,请投票支持!
Rouge 在 2021 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
2021 年度 OSC 中国开源项目评选 正在火热进行中,快来投票支持你喜欢的开源项目!
2021 年度 OSC 中国开源项目评选 >>> 中场回顾
Rouge 获得 2021 年度 OSC 中国开源项目评选「最佳人气项目」 !
授权协议 MIT
开发语言 Ruby
操作系统 跨平台
软件类型 开源软件
开源组织
地区 不详
投 递 者 tsl0922
适用人群 未知
收录时间 2014-02-17

软件简介

Rouge 是一个纯 Ruby 实现的代码高亮库。它支持高亮 60 多种语言的代码,可以输出 HTML、ANSI-256 色文本格式。而且它的 HTML 输出兼容 Pygments 的语法高亮样式。

示例代码:

# make some nice lexed html
source = File.read('/etc/bashrc')
formatter = Rouge::Formatters::HTML.new(:css_class => 'highlight')
lexer = Rouge::Lexers::Shell.new
formatter.format(lexer.lex(source))

# Get some CSS
Rouge::Themes::ThankfulEyes.render(:scope => '.highlight')

它还提供了一个命令行的工具,可以这么使用:

rougify foo.rb
展开阅读全文

代码

评论 (0)

加载中
更多评论
暂无内容
发表了博客
2019/07/25 10:35

NLP之ROUGE[笔记]

0 前言 [定义]ROUGE:recall-oriented understanding for gisting evaluation,面向召回的要点评估理解 召回率,recall rate;要点,gisting [应用领域]NLP:自动文本摘要评估(现主流评估方法之一)、机器翻译 1 结论<span class="small">[from paper]</span> <div align=center> <img src="https://img2018.cnblogs.com/blog/1173617/201907/1173617-20190725102553318-1958203856.png"> </div> 本文介绍了一种用于总结的自动评价包R...

0
0
发表了博客
2020/08/12 07:13

近20年3867篇AI论文大调研:有缺陷的指标被滥用,好的指标被忽视

     作者 | 青暮   编辑 | 陈彩娴   “用于评估AI和机器学习模型的常用指标不足以反映这些模型的真实性能” ,来自维也纳医科大学人工智能与决策支持研究所的研究人员通过调查3867篇AI论文,得出了这个结论。   基准测试是AI研究进展的重要推动力。任务和与之相关的度量可以被视为科学界旨在解决的问题的抽象。基准数据集被概念化为模型要解决的固定代表样本。   这些论文来自基于开放源代码的Papers with Code平台...

0
0
2020/01/03 23:58

“ 重磅!” 常见的NLG评估方法大整理 !!

喜欢我们,点击上方AINLPer,关注一下,极品干货即刻送达! 昨天腊八,不知昨天有没有喝腊八粥呀,今天深夜放个毒,嘿嘿~~ 引言 如何判定训练出来的模型好与坏呢? 关键是要有一个比较好的模型评估方法,那么今天作者就给大家汇总一下自然语言生成(NLG)中经常见到的无监督自评估方法(BLEU、METEOR、ROUGE、CIDEr)。 BLEU 论文链接地址:https://www.aclweb.org/anthology/P02-1040.pdf BLEU 全称为 Bilingual Evaluation U...

0
0
发表了博客
2019/06/06 21:08

深度学习--文本摘要生成简介

介绍 随着近几年文本信息的爆发式增长,人们每天能接触到海量的文本信息,如新闻、博客、聊天、报告、论文、微博等。从大量文本信息中提取重要的内容,已成为我们的一个迫切需求,而自动文本摘要(automatic text summarization)则提供了一个高效的解决方案。 根据Radev的定义[3],摘要是“一段从一份或多份文本中提取出来的文字,它包含了原文本中的重要信息,其长度不超过或远少于原文本的一半”。自动文本摘要旨在通过机器自...

0
0
发表了博客
2020/06/26 16:34

肝了1W字!文本生成评价指标的进化与推翻

     本文首发于知乎 https://zhuanlan.zhihu.com/p/144182853   作者 | 林镇坤   编辑 | 丛 末   1   前言   文本生成目前的一大瓶颈是如何客观,准确的评价机器生成文本的质量。一个好的评价指标(或者设置合理的损失函数)不仅能够高效的指导模型拟合数据分布,还能够客观的让人评估文本生成模型的质量,从而进一步推动text generation 商业化能力。   然而由于语言天生的复杂性和目前技术限制,我们目前还没...

0
0
发表了博客
2019/03/16 21:17

seq2seq和attention应用到文档自动摘要

一、摘要种类 抽取式摘要   直接从原文中抽取一些句子组成摘要。本质上就是个排序问题,给每个句子打分,将高分句子摘出来,再做一些去冗余(方法是MMR)等。这种方式应用最广泛,因为比较简单。经典方法有LexRank和整数线性规划(ILP)。   LexRank是将文档中的每个句子都看作节点,句子之间的相似度看作节点之间的边的权重,构建一个graph;然后再计算每个节点的分数,这个打分的计算方式可以是度中心度(Degree centrali...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
6 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部