公式：

首先统计候选译文里每个词出现的次数，然后统计每个词在参考译文中出现的次数，Max表示几个参考译文中的最大值，Min表示候选译文和Max两个的最小值。

$P_{n}$ 是N -gram 对应的 $sum(Min(候选译文词i出现的次数，几个参考译文中词i出现次数的最大值))/sum(候选译文词i出现的次数)$

$w_{n}$ 是权重系数，可以取平均，总和为1

$BP$ 是过度惩罚系数。由BP的公式可知取值范围是(0,1]，候选句子越短，越接近0。

比如：候选翻译句子长度为18，参考翻译分别为：16，18，16。 所以c=18，r=18（参考翻译中选取长度最接近候选翻译的作为r）所以BP=e^0=1 这边如何选择最近候选翻译的代码是： 也就是候选翻译长度为12，参考翻译为13和11 的时候，选择的是长度为11的

应用代码：

import nltk.translate.bleu_score as bleu
reference_translation=['The cat is on the mat.'.split(),
                       'There is a cat on the mat.'.split()
                      ]
candidate_translation_1='the the the mat on the the.'.split()
candidate_translation_2='The cat is on the mat.'.split()
print("BLEU Score: ",bleu.sentence_bleu(reference_translation, candidate_translation_1))
print("BLEU Score: ",bleu.sentence_bleu(reference_translation, candidate_translation_2))

结果是： BLEU Score: 6.968148412761692e-155 BLEU Score: 1.0