2025年BLEU评分真题精选.docxVIP

2025年BLEU评分真题精选

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共10分）

1.BLEU评分主要衡量的是机器翻译结果与参考译文在哪个方面的相似度？

A.词汇重叠程度

B.语法结构相似性

C.语义等价性

D.语句长度接近程度

2.在BLEU评分中，引入BrevityPenalty(BP)主要目的是什么？

A.鼓励模型生成更长的译文

B.惩罚模型生成过短的译文

C.提高对低阶n-gram的惩罚权重

D.调整参考译文的质量影响

3.假设一个n-gram的precisions(prec_1,prec_2,...,prec_n)和geometricmean计算结果均为0.8，BP为0.9，那么该n-gram的BLEU分数是多少？

A.0.8

B.0.9

C.0.72

D.0.729

4.下列哪项不是BLEU评分的主要局限性？

A.无法区分语义上等价但表达不同的译文

B.对长句的候选结果惩罚过重

C.完全依赖于参考译文的质量和数量

D.能够精确衡量翻译结果的流畅度

5.如果一个机器翻译候选译文比所有参考译文都短，其BLEU分数很可能会受到什么影响？

A.显著提高

B.显著降低

C.保持不变

D.无法确定

二、填空题（每空2分，共10分）

6.BLEU评分通常使用______、______、______、______四种n-gram（即1-gram到4-gram）来计算精度，并取这些精度的几何平均值。

7.当候选译文中的n-gram在所有参考译文中均未出现时，该n-gram的count为0，此时BLEU计算中的几何平均值会变为______。

8.除了BLEU分数，计算BLEU时还需要关注______分数，它反映了候选译文长度与平均参考长度的一致性。

9.为了克服BLEU无法区分语义等价译文的缺点，研究者提出了______等更先进的评估指标。

10.在有多个参考译文的情况下，BLEU分数的计算通常基于每个n-gram在所有参考译文中的最大出现次数。

三、计算题（共20分）

11.（10分）给定以下机器翻译候选结果和两个参考译文：

候选译文(Candidate):thecatsatonthemat

参考译文1(Ref1):thecatsatonmat

参考译文2(Ref2):thecatissittingonthemat

计算该候选译文与参考译文组合的BLEU4分数。请分别计算prec_4,c_4,ref_4,prec_4的值，并给出最终的BLEU4分数（写出计算过程）。

12.（10分）计算以下情景下的BrevityPenalty(BP)：

候选译文长度(C)=15tokens

平均参考长度(R)=20tokens

四、简答题（每题5分，共15分）

13.简述BLEU评分中BP（BrevityPenalty）项的作用。

14.为什么BLEU评分虽然广泛应用，但仍被批评存在局限性？请列举至少两点。

15.在评估机器翻译模型时，仅仅看BLEU分数是否足够？为什么？

五、分析题（10分）

16.假设一个机器翻译模型在测试集上的BLEU分数为30.0，而一个基线模型（如基于规则或简单词袋模型）的BLEU分数为25.0。请分析这个结果可能意味着什么？是否存在该BLEU分数提升可能隐藏的问题或需要进一步调查的地方？

试卷答案

一、选择题

1.A

2.B

3.D

4.D

5.B

二、填空题

6.unigram,bigram,trigram,fourgram

7.0

8.Geometricmean/Normalized

9.TER(TranslationEditRate)/METEOR/COMET(或其他合理答案)

10.True

三、计算题

11.

计算c_4:候选中有thecatsatonthemat共1个4-gram。

计算ref_4:Ref1有thecatsat(1),catsaton(1),satonmat(1),catsatonmat(1)共4个4-gram；Ref2有thecatissittingon(1),catissitting(1),