NER任务的精确评估指标P、R、F1

￡神魔★判官ぃ 2023-10-05 14:13 150阅读 0赞

直接用一个实例来看几个参数具体的含义：

sentence : The Hospital said it would probably know by Tuesday whether its patients had Congo Fever .  
gold\_tag: **b-AGENT e-AGENT** o o **b-DSE m-DSE e-DSE** o o **b-TARGET m-TARGET m- TARGET m-TARGET m-TARGET** **e-TARGET** o  
predict\_tag: o e-AGENT b-DSE o **b-DSE m-DSE e-DSE** o o b-AGENT **b-DSE b-TARGET m-TARGET e-TARGET** o o

上述例子中，每一个句子中的，每一个word都有一个gold 和 predict 标签。b、m、e分别表示实体的起始边界、中间边界、结束边界；s是表示当个实体，就是本身一个word就是一个实体。而诸如DSE、TARGET、AGENT表示是实体的类别。  
**实体只有这三种形式：\[b,m….,e\]、\[b,e\]、 \[s\]，实体是有边界的，在精确匹配过程中，需要预测实体类别以及边界范围，只有这两部分都匹配成功，才算预测正确，否则是预测错误。**  
金标的实体有3个，是上述gold\_tag加粗部分， 预测准确部分是predict\_tag 加粗部分。  
在自然语言处理的任务中，而且数据非常均匀，不存在很极端的数据的情况下，评价指标我们一般会用F值来评测结果。怎么计算F值呢？  
给出五个参数：

gold\_num：金标数量

predict\_num ：预测数量

correct\_num：预测准确的数量

precision：准确率(精确率)

recall ：召回率

f1：F值

具体计算公式如下所示：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMwNjUzNjMx_size_16_color_FFFFFF_t_70][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMwNjUzNjMx_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20201123110639321.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMwNjUzNjMx,size_16,color_FFFFFF,t_70