为什么 Sacrebleu 对短句返回零 BLEU 分数？答案

【问题标题】：Why Sacrebleu returns zero BLEU score for short sentences?为什么 Sacrebleu 对短句返回零 BLEU 分数？
【发布时间】：2021-06-23 14:00:53
【问题描述】：

为什么scarebleu 需要句子以点结尾？如果我删除点，则值为零。

import sacrebleu, nltk
sys = ["This is cat."] 
refs = [["This is a cat."], 
        ["This is a bad cat."]] 

b3 = sacrebleu.corpus_bleu(sys, refs)
print("b3", b3.score)
print("b3", round(b3.score,2))

这将返回以下内容：

b3 35.1862973998119
b3 35.19

当我删除结束点时。

sys = ["This is cat"] 
refs = [["This is a cat"], 
        ["This is a bad cat"]] 


b3 = sacrebleu.corpus_bleu(sys, refs)
print("b3", b3.score)
print("b3", round(b3.score,2))

它使用 scarebleu 打印零，这又很奇怪！：

b3 0.0
b3 0.0

【问题讨论】：

一个问题可能是 NLTK 似乎期望标记化的句子作为参数：nltk.org/api/…

标签： nltk bleu

【解决方案1】：

BLEU 被定义为（修改后的）n-gram 精度的几何平均值，最高可达 4-gram（乘以简洁惩罚）。因此，如果整个测试集中没有匹配的 4-gram（没有 4-tuple of words），则 BLEU 定义为 0。最后有一个点将被标记化，使得现在有 4-gram 匹配，因为应用了平滑。

BLEU 设计用于对包含数百个句子的测试集进行评分，而这种情况不太可能发生。对于单个句子的评分，您可以使用使用某种平滑的句子级版本的 BLEU，但结果仍然不理想。您还可以使用基于字符的度量，例如chrF (sacrebleu -m chrf)。

您还可以将use_effective_order=True 传递给 corpus_bleu，以便只计算匹配的 n-gram 顺序而不是 4 个 n-gram。但是，在这种情况下，该指标并不完全是人们所指的 BLEU。

【讨论】：