使用conlleval.pl對CRF測試結果進行評價的方法

基於CRF作命名實體識別系列

用CRF作命名實體識別(一)
用CRF作命名實體識別(二)
用CRF作命名實體識別(三)

評測

用CRF作完命名實體識別咱們測試以後獲得的結果就是預測的標籤，並不能直接獲得F1值等評測結果，以前我是用sklearn寫了一個計算F1值的代碼，如今發現了一個神器，能夠直接獲得F1值。我也是直接下載的，很差直接發給你們，就在這裏給個連接好了conlleval+perl環境+conlleval使用說明 。裏面有很詳細的介紹，你們照作便可。

百聞不如一見

processed 552387 tokens with 22928 phrases; found: 22325 phrases; correct: 21183.
accuracy:  98.83%; precision:  94.88%; recall:  92.39%; FB1:  93.62
              LOC: precision:  92.48%; recall:  90.39%; FB1:  91.43  6653
              ORG: precision:  98.20%; recall:  98.41%; FB1:  98.30  3395
              PER: precision:  94.55%; recall:  89.13%; FB1:  91.76  7104
             TIME: precision:  96.25%; recall:  95.81%; FB1:  96.03  5173

注意

另外提醒你們一點，標籤的格式也要一致，按照說明去操做，也就沒有什麼問題了