考虑以下文本，该文本已使用人工（PER），地点（LOC）和组织（ORG）的IO样式注释进行手动注释。
Chicago / LOC Mayor / O Rahm / PER Emanuel / PER，a / O前/ O White / ORG House / ORG aide / O to / O US / LOC Presidents / O Barack / PER Obama / PER和/ O. Bill / PER Clinton / PER，on / O Friday / O加入/ O / O Ready / O For / O. 希拉里/ PER组/ O / O是/ O催促/ O前/ O美国/ LOC秘书/ O. of / O State / O Hillary / PER Clinton / PER to / O run / O for / O president / O in / O. 2016 / O。
考虑以下特征分配f（FEATURES，LABEL），它表示在观察FEATURE时分配LABEL，其中w是当前标记，w-1是前一个标记。
f1(isCapitalized(w), PER)
f2(label(w-1) = PER, PER)
f3(isCapitalized(w), LOC)
f4(lemma(w-1) = "president" OR "mayor", PER)
基于观察到的数据，计算上述每个特征的精确度和召回率，假设每个特征都是单独使用以分配标签，并且每个特征都以未标记的文本开头。
在这种情况下，我应该如何计算精度/召回率？ 例如，我应该考虑Rahm Emanuel作为一个真正的正面特征吗？或者每个令牌都是真正的正面特征？或者每个令牌都是误报，因为Rahm Emanuel实际上是一个真正的正面特征？