最近在用BiLSTM+CRF做命名实体识别问题。关于模型效果评估,很多提到用conlleval.pl来实现,conlleval.pl是perl语言写的,原谅我没看懂。最后还是决定自己写个程序算一算准确率和召回率。
公式
准确率 = 预测正确的实体个数 / 预测的实体总个数
召回率 = 预测正确的实体个数 / 标注的实体总个数
F1 = 2 *准确率 * 召回率 / (准确率 + 召回率)
实现
1、获取实体:包括预测的全部实体和标注的全部实体
对于一个标签序列,例如:'B-PER', 'I-PER', 'O', 'B-PER', 'I-PER', 'O', 'O', 'B-LOC', 'I-LOC'
实体对应的标签块是指:从B开头标签开始的,同一类型(PER/LOC/ORG)的,非O的连续标签序列
因此可以采用形如{(position, type): [label1, label2, ...]}这种格式的字典来存储实体,其中position为实体起始标签对应的序列下标索引,type为实体对应的类型,[label1, label2, ...]为实体对应的标签序列
从标签序列中抽取实体的代码如下:
def split_entity(label_sequence):
entity_mark = dict()
entity_pointer = None