阻止文本分类的精确度是否有害？

Question

我已经阅读了词干损害精确度但提高了文本分类中的召回率。这是怎么发生的？当你阻止你增加查询和样本文件之间的匹配数吗？

Answer 1

总是一样的，如果你提醒回忆，你做一个概括。正因为如此，你正在失去精确度。将词汇合并在一起。

  

一方面，词汇应该合并在一起（例如“粘附”和“粘附”）可能在词干后保持不同;另一方面，真正不同的词可能被错误地混淆（例如，“实验”和“经验”）。这些被分别称为表达式错误和过度控制错误。

Overstemming降低了精度，而表达式降低了召回率。因此，由于没有任何干扰就意味着没有超过但最大的欠限误差，因此您的召回率较低且精度较高。

顺便说一句，精确意味着您找到的“文件”中有多少是您正在寻找的。召回意味着你收到的所有“文件”中有多少是正确的。

Answer 2

来自Query_expansion上的维基百科条目：

  

通过限制用户输入的术语，可以匹配更多文档，因为用户输入的术语的替代单词形式也会匹配，从而增加了总召回率。这是以降低精度为代价的。通过扩展搜索查询以搜索用户输入的术语的同义词，也会以牺牲精度为代价来增加召回。这是由于计算精度的等式的性质，因为较大的召回隐含地导致精度降低，因为召回因素是分母的一部分。还可以推断，较大的召回会对整体搜索结果质量产生负面影响，因为许多用户不希望有更多结果可以梳理，无论精度如何。