我已经为每个方面计算了一些值，并使用sentiwordnet识别其极性。
例如，电影很棒。这里电影是一个方面，我使用一些度量标识其值，例如movie = 1.5677，极性为正。以后如何识别精度和召回？
答案 0 :(得分：0)
由于您没有离散分类器，因此精确度将是您的计算分数与真实分数的接近程度（总和平方误差或总和绝对误差将起作用）。如果您有一个离散分类器，您只需计算正确分类的数量。
召回将是您能够成功提取的方面的百分比。因此，对于您的示例，您提取了唯一的方面，得分为1.0。如果输入是“比萨饼和电影很棒”并且你只提取了“电影”，那么你的回忆分数将是0.5。
通常你可以将你的精确度和召回分数组合成F-Measure，但是，由于你没有离散分类器，你可能无法使用F-Measure。
答案 1 :(得分：0)
为了评估您在NLP中的模型，我们可以使用它，正如您所知：
1。评估方面提取模型：
TP： （真实肯定） 正确提取的方面数 FP： （假阳性） 被注释但未由算法提取的方面数 FN： （假阴性） 算法未注释但已提取的方面数 TN： （真否定） 算法未注释和未提取的方面数量
2。评估情感分类模型：
TP： 该算法正确计算出的情感极性分数的数量 FP： 算法不正确计算出的情感极性分数的数量不相关 FN： 未分配情感但由算法计算出的方面数 TN： 未分配情感且算法未计算出的方面数
