2025年BLEU评分真题卷.docxVIP

2025年BLEU评分真题卷

考试时间：______分钟总分：______分姓名：______

一、

简述BLEU评分的基本概念及其作为机器翻译评估指标的作用。

二、

解释N-gram在BLEU评分中的作用。假设机器译文为“thecatsatonthemat”，参考译文1为“thecatsatonmat”，参考译文2为“acatsatonthemat”。请计算该译文在BLEU-4下的精确度（Precision）。

三、

说明在计算BLEU分数时，引入BP（Bleu-Penalty）调整的原因。假设一个机器译文的长度为30词，其参考译文（集合中最短）的长度为25词。请计算该机器译文的BP调整值。

四、

计算题。给定机器译文：“Thequickbrownfoxjumpsoverthelazydog”，参考译文1：“Aquickbrownfoxjumpsoverthelazydog”，参考译文2：“Thequickbrownfoxjumpsoveralazydog”，参考译文3：“Thequickbrownfoxjumpedoverthelazydog”。请计算该译文在BLEU-4下的最终分数，并写出计算过程（需包含Precision、BP调整步骤）。

五、

讨论BLEU评分的主要优点和主要局限性。请至少列举三点优点和三点局限性。

六、

简述BLEU-r（RandomizedBLEU）与标准BLEU评分的主要区别及其设计目的。

七、

在实际的机器翻译评测中，选择多个参考译文而不是单个参考译文有什么好处？请说明理由。

八、

BLEU评分通常适用于评估哪种类型的任务？请举例说明。在评估这类任务时，BLEU分数高是否意味着译文质量一定好？为什么？

九、

除了BLEU，机器翻译评估还有哪些常用的指标？请列举至少两种，并简要说明它们与BLEU的区别点。

十、

如果在评测发现，某个机器翻译系统的BLEU分数很高，但人工评估认为其译文质量并不理想，可能的原因有哪些？请至少提出三点。

试卷答案

一、

解析：BLEU（BilingualEvaluationUnderstudy）评分是一种用于自动评估机器翻译译文质量的指标，它通过比较机器译文与一组人工编写的参考译文之间的n-gram（通常为4-gram）重合程度来给出一个分数。它被称为“替代评估”（Understudy）是因为它是一种计算效率高、易于实现的自动评估方法，旨在模拟人工评估的效果，但并不能完全替代人工评估。

二、

解析：N-gram是指文本中连续的N个词（或字）的序列。在BLEU评分中，N-gram用于衡量机器译文与参考译文在短文本片段上的相似度。计算BLEU-4下的精确度，需要分别计算机器译文中的每个4-gram在四个参考译文中出现的最大次数，然后将这些最大次数相加，再除以机器译文中所有4-gram的数量。具体计算如下：

机器译文“thecatsatonthemat”的4-grams：{thecatsat,catsaton,satonthe,onthemat}

参考译文1“thecatsatonmat”的4-grams：{thecatsat,catsaton,satonmat}

参考译文2“acatsatonthemat”的4-grams：{acatsat,catsaton,satonthe,onthemat}

参考译文3“thequickbrownfoxjumpedoverthelazydog”的4-grams：{thequickbrown,quickbrownfox,brownfoxjumped,foxjumpedover,jumpedoverthe,overthelazy,thelazydog}

计算每个4-gram在参考译文中的最大出现次数：

{thecatsat:1,catsaton:1,satonthe:1,onthemat:1}

精确度=(1+1+1+1)/(数量of机器译文的4-grams)=4/4=1.0

三、

解析：引入BP（Bleu-Penalty）调整的原因是为了惩罚那些比所有参考译文都要短的机器译文。在机器翻译中，有时系统会倾向于生成更短的译文以减少计算量或提高速度，但这并不一定意味着译文质量更高。BP调整通过惩罚短译文，使得那些长度接近参考译文的短译文能够获得更高的BLEU分数，从而更准确地反映翻译质量。BP调整值的计算公式为min(1,