1、召回率(Recall Rate)与精度
召回率,百分数,查出相关文档数跟所有相关文档树的比率
精度是观测结果、计算值或估计值与真值(或被认为是真值)之间的接近程度
对于一个系统来说,召回率和精度不可能两全其美,反而,召回率越高精度越低,精度越高召回率越低
系统的精度可以用11种召回率下11种精度的平均值来衡量
搜索引擎系统都很关心精度而不是召回率
2、 语素
语法单位有大有小,最大的语法单位是句子,比句子小的语法单位,依次是短语、词、语素
语素按音节分类可分为:单音字语素、双音字语素和多音节语素三类
其中单音字语素如:土、人、风、子、民等。
双音节语素分为五种:双声——数目相同的连绵字;叠韵——韵母相同的连绵字;非双声叠韵的连绵字,如:蜈蚣,珊瑚等;外来词,由汉外语言音译过来的词,如干部;专用名词,地名、人事名等。
多音节语素包括拟声词,专用名词和音译外来词。
3、词
词是由语素构成,比语素高一级的语言单位
词是最小的能够独立运用的语言单位,“独立运用”是指能够单说(单独成句)或单用(单独做句法成分或单独起语法作用)。词的构成方法是:过程、关键字、排列法
4、音节
音节是听觉感觉可以区分清楚的语言的基本单位。汉语中一个汉字就是一个音节,每个音节由声母、韵母个声调三个部分组成。
普通话种只有414个不分声调的音节,带上四个声调也只有1295个,而汉字基本字符集由6734个,扩充字符集可达几万个,主要原因有,多音字,基本字符集外的异形字,以及一对一,多对多,一对多的繁体字。