命名实体识别(NER)-模型评估：词级别评估、实体级别评估【Precision、Recall、F1】

一、概述

命名实体识别的评判标准：实体的边界是否正确;实体的类型是否标注正确。主要错误类型包括：

• 文本正确,类型可能错误;
• 反之,文本边界错误,而其包含的主要实体词和词类标记可能正确。

对于二分类的模型，预测结果与实际结果分别可以取0和1。我们用N和P代替0和1，T和F表示预测正确和错误。将他们两两组合，就形成了下图所示的混淆矩阵（注意：组合结果都是针对预测结果而言的）。

由于1和0是数字，阅读性不好，所以我们分别用P和N表示1和0两种结果。变换之后为PP，PN，NP，NN，阅读性也很差，我并不能轻易地看出来预测的正确性与否。因此，为了能够更清楚地分辨各种预测情况是否正确，我们将其中一个符号修改为T和F，以便于分辨出结果。

• P（Positive）：代表 1
• N（Negative）：代表 0
• T（True）：代表预测正确
• F（False）：代表预测错误