机器翻译的评价标准BLEU(Evaluation criteria for machine translation)

1.概念

BLEU(bilingual evaluation understudy)在这篇论文中被提出BLEU: a Method for Automatic Evaluation of Machine Translation
BLEU是一种衡量机器翻译质量的评价标准。一种基于精确度的相似性度量方法，先看一下面的句子：

2.例子：n-gram在机器翻译译文和标准答案中出现次数不一致

机器翻译的句子：The the the the the the the.
标准的答案1：The cat is on the mat
标准的答案2：There is a cat on the mat
按照accuracy的计算方法：
P=$\frac{m}{w}=\frac{7}{7}=1$
其中m:机器翻译的句子中的单词在标准答案中的个数；w：机器翻译句子中单词的个数。机器翻译的每一个词语都在标准的答案中，accuracy=1，但是很明显这没有任何意义。
这里要解决的问题在于：机器翻译出的句子中同一个单词的出现个数>标准答案中同一个单词出现的个数,怎么办？

Note:如果机器翻译出的句子某个单词个数>答案中的，取答案中出现的次数
如果机器翻译出的句子中某个单词个数<答案中的，取翻译出该单词的个数

3.例子:机器翻译译文长度太短

机器翻译的句子：The cat
标准的答案1：The cat is on the mat
标准的答案2：There is a cat on the mat
计算一下accuracy:

$$P=\frac{2}{2}=1$$
the和cat都在答案中出现，而且翻译的句子长度为2，因此accuracy为100%，又是100%的准确率…,但是这个翻译也是很差啊，那么这个又是什么问题呢？
刚刚只考虑到了准确率，召回率呢？
1-gram(unigram)召回率：R= $\frac{2}{7}$
2-gram召回率： $R=\frac{3}{6}$
综合召回率和准确率就不行了，一般来说，参考答案10个词语，翻译出来的结果也应该接近10个左右，
BLEU基于此进行修改…

4.BLEU公式

n-gram:句子中连续的n个单词，长度为18的句子有18个1-gram(unigram),17个2-gram
将机器翻译的句子表示为$c_i$,标准答案表示为

Si=si1,...