命名实体识别模型评估：两个句子示例

a) 将两个模型的输出还原成真实标签的格式并打印：

第一个句子模型输出还原为真实标签格式为：

[{'NAME': [[0, 2], [2, 4]], 'CITY': [[6, 8]]}]

第二个句子模型输出还原为真实标签格式为：

[{'NAME': [[0, 2], [2, 4]], 'CITY': [[7, 9], [14, 16]]}]

b) 采用严格模式评估模型输出的准确率并打印：

标签级别的准确率计算方式为：将模型输出与真实标签进行比较，计算出预测正确的标签数量除以总的标签数量。

实体级别的准确率计算方式为：将模型输出与真实标签进行比较，计算出预测正确的实体数量除以总的实体数量。

针对第一个句子，模型预测的标签为：

['B-NAME', 'I-NAME', 'B-NAME', 'I-NAME', 'O', 'O', 'B-CITY', 'I-CITY', 'O']

真实标签为：

{'NAME': [[0, 2], [2, 4]], 'CITY': [[6, 8]]}

计算标签级别的准确率：

总标签数为9，预测正确的标签数为8，准确率为8/9=0.89。

计算实体级别的准确率：

总实体数为2，预测正确的实体数为2，准确率为2/2=1.0。

针对第二个句子，模型预测的标签为：

['B-NAME', 'I-NAME', 'B-NAME', 'I-NAME', 'B-NAME', 'I-NAME', 'O', 'O', 'O', 'O', 'O', 'O', 'B-CITY', 'O', 'B-CITY', 'I-CITY']

真实标签为：

{'NAME': [[0, 2], [2, 4]], 'CITY': [[7, 9], [14, 16]]}

计算标签级别的准确率：

总标签数为16，预测正确的标签数为13，准确率为13/16=0.81。

计算实体级别的准确率：

总实体数为4，预测正确的实体数为3，准确率为3/4=0.75。