参考链接：https://zhuanlan.zhihu.com/p/338488036
文章目录
主要是为了解决如何判断模型翻译语句的质量的问题。
BLEU 可以低成本，快速的实现对模型结果的评估，从而促进模型架构的发展
BLEU的含义
BLEU的全名为：bilingual evaluation understudy，即：双语互译质量评估辅助工具。
用于评估机器翻译质量的好坏。
设计思想：
机器翻译结果越接近专业人工翻译的结果，则越好。
BLEU算法实际上就是在判断两个句子的相似程度，即拿这个句子的标准人工翻译与机器翻译的结果作比较。
BLEU 并不是拿一个对应的参考翻译来做比较，而是多参考翻译，最后算出一个综合分数。 其分数值越高越好。
优点：
方便、快速、结果有参考价值
缺点：
- 不考虑语言表达（语法）上的准确性；
- 测评精度会受常用词的干扰；
- 短译句的测评精度有时会较高；
- 没有考虑同义词或相似表达的情况，可能会导致合理翻译被否定；
BLEU如何进行评估的
BLEU的评估算是也是在不断改进的。
最先提出的算法是这样的：
两个句子，S1和S2，S1里头的词出现在S2里头越多，就说明这两个句子越一致。、
改进之后的是这样的：
改进的第三种方法：BLEU多元精度（n-gram precision）
改进的n-gram精度得分可以用来衡量翻译评估的充分性和流畅性两个指标：一元组属于字符级别，关注的是翻译的充分性，就是衡量你的逐字翻译能力； 多元组上升到了词汇级别的，关注点是翻译的流畅性，词组准了，说话自然相对流畅了。所以我们可以用多组多元精度得分来衡量翻译结果的。
关于n-gram的另一种解释：
根据n-gram可以划分成多种评价指标，常见的指标有BLEU-1、BLEU-2、BLEU-3、BLEU-4四种，其中n-gram指的是连续的单词个数为n
BLEU-1衡量的是单词级别的准确性，更高阶的bleu可以衡量句子的流畅性。
For example：
candidate: the cat sat on the mat
reference: the cat is on the mat
那么各个bleu的值如下：
就 bleu2 ,对 candidate中的5个词，{the cat，cat sat，sat on，on the，the mat} ，查找是否在reference中，发现有3个词在reference中，所以占比就是0.6
更多详情：
https://zhuanlan.zhihu.com/p/338488036
https://zhuanlan.zhihu.com/p/223048748
Original: https://blog.csdn.net/NGUever15/article/details/123197549
Author: _Summer tree
Title: BLEU score 是什么评估指标？
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/532067/
转载文章受原作者版权保护。转载请注明原作者出处！