1.简介
Bleu[1]是IBM在2002提出的，用于机器翻译任务的评价，发表在ACL，引用次数10000+，原文题目是“BLEU: a Method for Automatic Evaluation of Machine Translation”。
它的总体思想就是准确率，假如给定标准译文reference，神经网络生成的句子是candidate，句子长度为n，candidate中有m个单词出现在reference，m/n就是bleu的1-gram的计算公式。
BLEU还有许多变种。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。
2.计算公式
分子释义
神经网络生成的句子是candidate，给定的标准译文是reference。
1） 第一个求和符号统计的是所有的candidate，因为计算时可能有多个句子，
2）第二个求和符号统计的是一条candidate中所有的n−gram，而
表示某一个n−gram在reference中的个数。
所以整个分子就是在给定的candidate中有多少个n-gram词语出现在reference中。
分母释义
前两个求和符号和分子中的含义一样，Count(n-gram')表示n−gram′在candidate中的个数，综上可知，分母是获得所有的candidate中n-gram的个数。
3. 示例
candidate: the cat sat on the mat
reference: the cat is on the mat
那么各个bleu的值如下：
就 ,对 candidate中的5个2-gram，{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
参考
BLEU详解 - 人工智能的文章 - 知乎
https://zhuanlan.zhihu.com/p/223048748
网友评论