最近team在做有关知识图谱的项目，个人负责的模块是文本图谱化，即输入一段文本，得到是对文本的图谱化展示。其中需要进行命名实体识别和关系抽取，评价指标是精确率、召回率和F值。随笔记录一下。
基本指标
真正类（TP）：一个实例是正类，被预测成正类（正确的匹配数目）
真负类（TN）：一个实例是负类，被预测成负类（正确的非匹配数目）
假正类（FP）：一个实例是负类，被预测成正类（误报）
假负类（FN）：一个实例是正类，被预测成负类（漏报）
精确率（Precision）
也叫查准率，表示的是预测为正的样本中有多少是真正的正样本。
精准率=系统检索到的相关文件 / 系统所有检索到的文件总数=TP/(TP+FP)
召回率（Recall Rate）
也叫查全率，表示的是样本中的正例有多少被预测正确了。
召回率=系统检索到的相关文件/系统所有相关的文件综述=TP/(TP+FN)
F值
F值为精确率和召回率的调和平均值
F值= 精确率 * 召回率 * 2 / (正确率 + 召回率)