如何计算提取的正确数据记录的数量？答案

【问题标题】：How to calculate number of correct data records extracted?如何计算提取的正确数据记录的数量？
【发布时间】：2015-06-24 02:50:22
【问题描述】：

我想计算我需要提取的正确数据记录、数据记录总数和提取的不正确数据记录的召回率和精度。

我有输入的 html 页面，我正在从中提取有用的数据并使用包装器生成输出 html 页面。

【问题讨论】：

你需要一些东西来比较你的输出。如果您正在评估一个检索系统，您需要一个“理想”（即黄金标准）的检索文档集，您将与之进行比较。在这种情况下，您需要有一组正确的数据记录，可能是手工制作的。
请详细写下您的问题并解释您要做什么。
我同意@Nilesh，您的问题可能会添加更多细节。另外，为什么对答案投反对票？如果有问题，也许可以评论原因或编辑。

【解决方案1】：

要计算提取了多少正确的数据记录，您需要有一个reference set 的正确数据记录。参考数据集是您将输出与之比较的内容，参考集是您的输出应匹配的理想输出。引用集也称为"gold standard" 集。

参考集可以手动创建，或者，如果存在更好的 IR 系统可以满足您的目的，则可以由另一个系统创建。

要计算提取的正确数据记录的数量，您只需计算系统输出和黄金标准输出中有多少记录。

【讨论】：