知识卡片
单句全对不足以证明语块泛化
ChunkScore可比较参考块与预测块,分别报告IOB标签准确率和完整块P/R/F;一个短句100%只说明该例匹配。原例同时构造cp与chunk_parser,实际调用cp,不能把分数归给未调用的新规则。训练集上统计好看的数字仍需独立测试;简单规则覆盖高也不等于其他领域或复杂边界准确。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第10章 NLP系统评估:性能分析 10.1.1 NLP工具的评估(词性标注器、词干提取器及形态分析器) · 查看原书依据
guessed = cp.parse(correct.flatten())
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第10章 NLP系统评估:性能分析,spine064单元004;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00063.html。
- 结论依据:原文两套规则对象后使用cp且仅一金标句,实际范围可直接确认,未扩称新规则或全语料通过。未在本机运行示例或改变环境。
- 原始内容:nk.ChunkScore() >>> guessed = cp.parse(correct.flatten()) >>> chunkscore.score(correct, guessed) >>> print(chunkscore) ChunkParse score: IOB A