Nereval：用于命名实体识别系统评估的实体级F1分数脚本

简介：
Nereval是一款专为NER（命名实体识别）系统设计的高效评估工具，专注于计算实体级别的F1分数，助力研究人员与开发者精准优化模型性能。 恶毒的基于实体级别F1分数的命名实体识别（NER）系统的评估脚本采用了Nadeau和Sekine在2007年描述的方法，并且这种方法作为“消息理解会议”的一部分被广泛使用，由Grishman和Sundheim于1996年提出。该度量标准从两个维度来评价NER系统：一是是否能正确地为实体分配类型；二是是否能够准确找到实体的边界。对于这两个方面，都计算了正确的预测数量（COR）、实际预测的数量（ACT）以及可能的预测数量（POS）。基于这些统计数据，可以得出精度和召回率： precision = COR/ACT recall = COR/POS 最终得分是通过微平均类型和边界轴上的精度与召回率来获得F1度量。 安装方法很简单： pip install nereval 使用说明：当分类结果已经写入JSON文件时，可以从Python内部调用此脚本或直接在命令行中运行该脚本。假设有一个名为input.json的文件如下所示（此处省略具体示例内容），则可以按照相关指令进行操作。