BLEU 评价指标总结

Bleu 评测

 

（一）

Bleu通常用来度量一组机器产生的翻译句子集合(candidates)与一组人工翻译句子集合(references)的相似程度。Bleu的具体计算过程看下图：

 

在这里解释一下：式中的n 为当前匹配n-gram的长度，这里的N=4(也可以是其1,2,3),是n-gram匹配权重，BP是用来对过短候选翻译的惩罚系数，是利用当前n-gram匹配对候选机器翻译基于精度的评测

 

式中：为n-gram同时在一组人翻译和机器翻译中出现次数最大的值，而

为n-gram在机器翻译中出现的次数。

注：该图来自维基百科

 

 

如果n=1的话   p=2/7.

（二）有关论文中的T-1BLEU 与 T-5BLEU解释

 

 

两幅图片出自同一篇论文中。T-1 BLEU 意思是candidates中值最大的那个BLEU值

T-5BLEU 意思是candidates中随机抽取一个样本，得到的这个样本的BLEU值