深度学习基础—Bleu得分

引言

机器翻译任务中,通常会需要评价指标来评估机器翻译的好坏。仅通过统计翻译词在标准翻译中出现的次数这种方式很不合理,就需要用到Bleu得分来进行评估。

1.n-gram(N元组)

假设要翻译:Le chat est sur le tapis(法语),有两个参考翻译:The cat is on the mat和There is a cat on the mat,机器翻译的是:the the the the the the the。n-gram(N元组)表示N个连续的词组成的组合,比如参考翻译的1中有二元组:The cat、cat is、is on、on the、the mat。使用n-gram可以捕捉一定长度的上下文信息,有助于更好地理解文本和评估翻译质量。

针对机器翻译的内容进行分析,如果只统计译词在参考翻译中出现的次数来评估机器翻译的准确率,那the the the the the the the这个翻译中,每个词都是the,都出现在参考翻译中,准确率7/7=1,这显然是糟糕的翻译。

现在改良评估的方式,在一元组中(1-gram),考虑每个译词在参考翻译中出现的最大次数,比如the在参考翻译1中出现2次,在参考翻译2中出现1次,因此计算的准确率应该是2/7,这个准确率就合理多了。

在二元组中,假设机器翻译的结果为:The cat the cat on the mat,则二元组有:The cat、cat the、the cat、cat on、on the、the mat(忽略大小写),the cat在参考翻译中出现的最大次数是1,cat the在参考翻译中出现的最大次数是0,cat on在参考翻译中出现的最大次数是1,on the在参考翻译中出现的最大次数是1,the mat在参考翻译中出现的最大次数是1,因此计算的准确率为所有二元组最大次数之和/二元组数量:4/6。

现在将一元组推广到N元组,定义如下公式:

其中,n-gram表示机器翻译中的n元组,Count()表示计数函数(对机器翻译结果的n元组计数),CountClip()表示机器翻译中所有n元组在参考翻译中出现的最大次数的计数。

2.Bleu得分

Bleu得分的公式如上,一般计算n元组的精确度再进行组合。BP表示惩罚因子,公式如下:

其中,output表机器翻译的输出,reference表示参考翻译的输出。如果机器翻译的输出大于参考翻译的输出长度,则BP=1;否则,BP<1。因为如果机器翻译很短,那么输出的大部分词语都很可能出现在参考翻译中,准确率就比较高;惩罚因子的作用就是加大对输出短的翻译的乘法力度,从而促进机器翻译更接近参考翻译的长度或更长。

3.优缺点

优点:

(1)方便、快速、结果有参考价值。

(2)与人工评价有较高相关性。

缺点:

(1)不考虑语言表达(语法)上的准确性。

(2)测评精度会受常用词的干扰。

(3)短译句的测评精度有时会较高。

(4)没有考虑同义词或相似表达的情况。

Bleu 得分是一个单一实数评价指标 ,其在机器翻译和图片描述中应用广泛,用以评价机器生成的语句和实际人工生成的结果是否相近。

相关推荐
isNotNullX19 分钟前
实时数仓和离线数仓还分不清楚?看完就懂了
大数据·数据库·数据仓库·人工智能·数据分析
Liudef0628 分钟前
大语言模型的极限:知识、推理与创造力的边界探析
人工智能·语言模型·自然语言处理
潮湿的心情35 分钟前
亚洲牧原:活跃行业交流,延伸公益版图,市场拓展再结硕果
大数据·人工智能
平和男人杨争争36 分钟前
机器学习14——线性回归
人工智能·机器学习·线性回归
一个天蝎座 白勺 程序猿1 小时前
飞算JavaAI进阶:重塑Java开发范式的AI革命
java·开发语言·人工智能
李昊哲小课1 小时前
pandas销售数据分析
人工智能·python·数据挖掘·数据分析·pandas
whabc1002 小时前
和鲸社区深度学习基础训练营2025年关卡2(2)sklearn中的MLPClassifier
人工智能·深度学习·numpy
往日情怀酿做酒 V17639296382 小时前
pytorch的介绍以及张量的创建
人工智能·pytorch·python
北辰alk2 小时前
如何实现AI多轮对话功能及解决对话记忆持久化问题
人工智能
智驱力人工智能2 小时前
极端高温下的智慧出行:危险检测与救援
人工智能·算法·安全·行为识别·智能巡航·高温预警·高温监测