bleu具體介紹
bleu：bilingual evaluation translation
人類評價翻譯質量需要考慮以下三方面的情況：adequacy，fidelity（忠實度），fluency（流利度）。
bleu準則的目的：快速，與語言無關，與人類的評價相關度高。
機器翻譯評價系統需要以下兩種成分：
1. a numerical 「translation closeness」 metric
2. a corpus of good quality human reference translations
比較兩者n-gram匹配程度，而且與位置無關。
例子1：
我們的標準的最重要的基石是大家都熟悉的precision，對於一元來說，計算準確率公式為：機器翻譯中的詞出現在參考譯文中的詞的個數/機器翻譯中的總詞數。
但是不幸的是，如下面例子2所示，機器翻譯系統會過多的產生一些「合理的」詞，使準確率提高，但是這不是我們想要的結果。
例子2：
於是我們提出了修正的precision，公式如下所示：
其中公式中count為某n元詞在被測譯文中出現的次數，max_ref_count為該n元詞在乙個參考譯文中最大的出現次數。
如例子2所示，修正的一元的準確率為2/7。
修正的n元詞的準確率的計算公式與一元的相似。
對於例子1來說：candidate 1的修正的2元的準確率為10/17（修正不修正都為這個結果），candidate 2的修正的2元的準確率為1/13。但是對於例子2來說，修正的2元的準確率為0。
一元匹配滿足adequacy，多元匹配滿足fluency。
修正的n-gram的準確率隨著n的增加呈現指數級別的衰減，因此我們需要的權重為對數權重。
機器翻譯的結果不能太長也不能太短，評價標準應該以這個來約束。在一定程度上，n-gram的準確率已經滿足了這個要求（n-gram準確率懲罰那些虛假的詞，而且還懲罰那些在機器翻譯結果中出現的次數比參***中出現的次數多的詞）。但是修正的n-gram的準確率對於翻譯系統翻譯的句子長度沒有過多的限制，如下面例子3所示。
例子3：
因為例子3中candidate相比於正確的長度來說太短了，修正的一元的準確率為2/2，修正的二元的準確率為1/1。
傳統的來說，提出recall來約束這個與句子長度相關的問題。但是bleu需要考慮多個參考翻譯譯文，每乙個參考翻譯對於相同的需要翻譯的詞翻譯為不相同的詞。而且，乙個好的candidate只需要這些參考中的乙個，而不是全部。
的確，recall所有的參考譯文會產生乙個壞的翻譯，如下面例子4所示。
例子4：
candidate 1從參考中可以recall的詞比candidate 2 多，但是明顯的來說翻譯1比2壞的多。因此，傳統的recall計算並不是乙個好的方法。於是提出了sentence brevity penalty的概念。
candidate翻譯比參考翻譯長時已經通過修正的n-gram進行懲罰了，現在只需要懲罰candidate翻譯小於等於參考翻譯的情況。當參考譯文和翻譯譯文的長度相同時，懲罰值為1。比如：
當參考譯文的長度為12,15,17時，翻譯譯文的長度為12時，此時懲罰值為1。如果有兩個參考譯文的長度和翻譯譯文的長度同樣接近，但乙個較長另乙個稍短，則取較短的譯文的長度。如：
翻譯譯文長度為10，參考譯文的長度為8、9、11、15，則參考譯文長度認定為9。
懲罰值計算公式：
然後bleu的計算公式如下：
如果取對數的話，bleu的計算公式如下所示：
基線當中，，權重
忠實度，流利度
忠實度：輸出譯文是否傳達與原文相同的意思？部分語義資訊丟失了、增加了還是被曲解了？
流利度：輸出譯文是否為流利的英文？包括語法正確性和慣用語選擇兩個方面。
準確率，召回率，f測度
p: 不考慮詞序。僅僅關注單詞匹配而不顧單詞順序，是有缺陷的。因此，我們可以計算系統應該生成的正確單詞的個數，而不是系統輸出譯文中正確的單詞數。
r: 這兩個指標都容易被蓄意利用。可以讓系統只輸出確定的譯文單詞，譯文可能非常短，但有很高的準確率（而召回率很低）。
相應的，也可以讓機器翻譯系統輸出所有可能的單詞，那麼這些譯文詞與參考譯文中所有單詞匹配的概率就很高。譯文可能會很長，但能獲得乙個很高的召回率（而準確率很低）。
在機器翻譯中，一般同等的對待準確率和召回率。我們既不想輸出錯誤的單詞，也不想遺漏任何資訊。通常是把準確率和召回率組合在一起，稱為f測度（f-measure），把它定義為準確率和召回率兩個指標的調和平均：
f: 在機器翻譯評測中，這個公式可以被寫為：
位置無關的錯誤率（position-independent error rate），這是乙個錯誤率指標，因此計算的是錯誤匹配的程度，而不是正確匹配的程度。為了克服過長譯文帶來的問題，該指標也考慮那些需要作為錯誤刪除的多餘單詞：
詞錯誤率（word error rate，wer）是較早使用在統計機器翻譯中的自動評測指標之一，借鑑於語音識別，並將詞序考慮在內。它使用了levenshtein距離（levenshtein distance），即兩個字串序列匹配時需要進行編輯操作（插入、刪除和替換）的最少次數。
風險評價準則
一 目的 為加強公司作業風險和崗位風險控制，便於對風險進行分級管理，制定本制度。二 術語 1 風險 風險 r 是發生特定危害事件的可能性 l 及後果 s 的結果。風險r 可能性lx後果嚴重性s 2 危害 可能造 員 疾病 財產損失 工作環境破壞的根源或狀態。三 職責 1 總經理直接負責風險評價領導工...
風險評價準則
4 5宜賓金世界化學 1 目的 為加強作業風險和崗位風險控制，便於對風險進行分級管理，特制定本準則。2 適用範圍 公司內所有作業活動 崗位 部位 裝置等的風險評價和風險分級。3術語3.1風險 風險 r 是發生特定危害事件的可能性 l 及後果嚴重性 s 的結合。風險r 可能性l 後果嚴重性s 3.2危...
風險評價準則
1 目的 為改進職業健康安全績效，確定重要危險源 進行風險控制措施策劃工作，特制定本準則。2 範圍 本標準規定了對公司內所識別的危險源進行職業健康安全風險評價 確定重要危險源的方法 判定準則和要求。3 引用檔案 危險源辯識 風險評價與風險控制程式 4 職責 4.1公司生產副總經理負責本準則的保持和改...