基於CRF做命名實體識別系列
用CRF做命名實體識別(一)
用CRF做命名實體識別(二)
用CRF做命名實體識別(三)
評測
用CRF做完命名實體識別我們測試之后得到的結果就是預測的標簽，並不能直接得到F1值等評測結果，之前我是用sklearn寫了一個計算F1值的代碼，現在發現了一個神器，可以直接得到F1值。我也是直接下載的，不好直接發給大家，就在這里給個鏈接好了conlleval+perl環境+conlleval使用說明 。里面有很詳細的介紹，大家照做即可。
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
另外提醒大家一點，標簽的格式也要一致，按照說明去操作，也就沒有什么問題了