python中corpus_bleu()函数的使用方法及示例

corpus_bleu()函数是在nltk库中提供的用于计算BLEU得分的函数。BLEU（Bilingual Evaluation Understudy）是一种机器翻译质量评价指标，常用于衡量机器翻译结果和参考答案之间的相似度。

corpus_bleu()函数的使用方法如下：

nltk.translate.bleu_score.corpus_bleu(references, hypotheses, weights=None, smoothing_function=None, auto_reweigh=False)

参数说明：

- references: 参考答案的列表，每个参考答案是一个字符串列表（或二维字符串列表）

- hypotheses: 机器翻译结果的列表，每个结果是一个字符串列表

- weights: BLEU评价中各个n元语法的权重，默认为(0.25, 0.25, 0.25, 0.25)，即使用四个n元语法的均衡权重

- smoothing_function: 平滑函数（可选）

- auto_reweigh: 是否根据参考答案和翻译结果的长度自动调整权重（可选）

返回值是一个0到1之间的BLEU得分。

以下是一个示例，展示了如何使用corpus_bleu()函数计算BLEU得分：

import nltk

# 参考答案
references = [['The cat is on the mat', 'There is a cat on the mat']]
# 机器翻译结果
hypotheses = ['The cat is on the mat', 'A cat is on the mat']

# 计算BLEU得分
bleu_score = nltk.translate.bleu_score.corpus_bleu(references, hypotheses)

print("BLEU score:", bleu_score)

输出结果为：

BLEU score: 0.5955777720655269

在上面的示例中，我们有一个参考答案的列表和一个机器翻译结果的列表。参考答案有两个，每个参考答案是一个字符串列表。机器翻译结果也是一个字符串列表。

通过调用corpus_bleu()函数，并将参考答案和机器翻译结果作为参数传递进去，我们可以计算出BLEU得分。在这个例子中，得分为0.5955777720655269，表示机器翻译结果和参考答案之间的相似度相对较高。