DeepSeek BLEU和ROUGE（Recall）的计算

以下是 BLEU Score (Bilingual ​Evaluation ​Understudy)和 ROUGE Score(​Recall-Oriented ​Understudy for ​Gisting ​Evaluation) 的原生Python实现（不依赖第三方库），通过分步计算逻辑和示例详细说明。

---

一、BLEU Score 实现

核心逻辑

1. n-gram匹配：计算候选文本和参考文本的n-gram匹配数（截断到参考文本中最大出现次数）。
2. 精确度计算：各n-gram的匹配数除以候选文本n-gram总数。
3. 几何平均：对1-gram到4-gram的精确度取几何平均。
4. 长度惩罚：候选文本过短时施加惩罚。

代码实现

import math

def get_ngrams(text, n):
    """生成n-gram列表"""
    return [tuple(text[i:i+n]) for i in range(len(text)-n+1)]

def bleu_score(candidate, reference, max_n=4):
    """计算BLEU分数（单参考文本简化版）"""
    candidate = candidate.split()
    reference = reference.split()
    
    # 长度惩罚
    c_len = len(candidate)
    r_len = len(reference)
    bp = 1.0 if c_len > r_len else math.exp(1 - r_len / c_len) if c_len !=0 else 0.0

    # 计算各n-gram的精确度
    precisions = []
    for n in range(1, max_n+1):
        # 生成候选和参考的n-gram
        cand_ngrams = get_ngrams