这一节基本是讲的这样一个问题：
譬如有这样一句话：邓紫棋这人，真庸俗。
然后你的NER系统在进行命名实体识别的时候把“邓紫”认成了一个实体，而把“棋”漏掉了，当然这样讲得通，从人名的统计规律上看，棋字作为人名的确少见。
后续对系统准确率的评判标准也因此展开。
在NLP中，我们每一个字称为一个token，譬如邓紫棋这个实体，一个实体拥有三个token，在标准的评判中，根据实体的准确率来看，而不根据token的准确率来看。
举个例子：约翰列侬和保罗麦科特尼在音乐理念上大有不合。
你的NER系统识别的结果是：约翰列侬
假设这句话包含的实体有三个：约翰列侬、保罗麦科特尼、音乐理念
那你这个系统的准确率就是100%，召回率：1/3，F1值：（2*1/3）/（1+1/3）
如果设别成了约翰列侬、保罗
那准确率就是50%，召回率：1/3。保罗那部分虽然对了一半，但也算你没识别出来。
通过这个例子可以看出，如果以F1值为评价标准的话，一个错误的识别比null要来的糟糕，因为召回率都一样，但是降低了准确率。用教授的话说就是，一个错误的识别相当于错了两次：少了一个positive、多了一个negative，而nothing的话只是少了一个positive
所以自然有其他的标准来改变这个问题，给予错误识别更公正的分数，譬如MUC score，但是缺点在于评判标准变得很复杂。实践中采用的往往还是F1标准。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
