支架树排的划线工具。
PYEVALB的Python项目详细描述
Pyevalb
evevalb是python版本的Evalb，用于对括号树组进行评分。
安装
pip install PYEVALB
示例
两个语料库得分
fromPYEVALBimportscorergold_path='gold_corpus.txt'test_path='test_corpus.txt'result_path='result.txt'scorer.evalb(gold_path,test_path,result_path)
结果是：
ID | length | state | recall | prec | matched_brackets | gold_brackets | test_brackets | cross_brackets | words | correct_tags | tag_accracy ---:|-------:|------:|-------:|-----:|-----------------:|--------------:|--------------:|---------------:|------:|-------------:|------------: 0| 44| 0| 0.57| 0.61| 31| 54| 51| 16| 44| 43| 0.98 1| 13| 0| 0.64| 0.60| 9| 14| 15| 3| 13| 12| 0.92 2| 29| 0| 0.97| 0.97| 29| 30| 30| 0| 29| 29| 1.00 3| 20| 0| 0.80| 0.80| 20| 25| 25| 4| 20| 20| 1.00 4| 19| 0| 0.91| 1.00| 21| 23| 21| 0| 19| 19| 1.00 5| 71| 0| 0.67| 0.68| 52| 78| 77| 15| 71| 65| 0.92 6| 16| 0| 0.61| 0.69| 11| 18| 16| 0| 16| 14| 0.88 7| 27| 0| 0.92| 0.96| 24| 26| 25| 0| 27| 26| 0.96 8| 19| 0| 1.00| 1.00| 20| 20| 20| 0| 19| 19| 1.00 9| 41| 0| 0.80| 0.78| 32| 40| 41| 5| 41| 39| 0.95 ================================================================================================================================================= Number of sentence: 10.00 Number of Error sentence: 0.00 Number of Skip sentence: 0.00 Number of Valid sentence: 10.00 Bracketing Recall: 75.91 Bracketing Precision: 77.57 Bracketing FMeasure: 76.73 Complete match: 10.00 Average crossing: 4.30 No crossing: 50.00 Tagging accuracy: 95.65
两棵树得分
fromPYEVALBimportscorerfromPYEVALBimportparsergold='(IP (NP (PN 这里)) (VP (ADVP (AD 便)) (VP (VV 产生) (IP (NP (QP (CD 一) (CLP (M 个))) (DNP (NP (JJ 结构性)) (DEG 的)) (NP (NN 盲点))) (PU ：) (IP (VP (VV 臭味相投) (PU ，) (VV 物以类聚)))))) (PU 。))'test='(IP (IP (NP (PN 这里)) (VP (ADVP (AD 便)) (VP (VV 产生) (NP (QP (CD 一) (CLP (M 个))) (DNP (ADJP (JJ 结构性)) (DEG 的)) (NP (NN 盲点)))))) (PU ：) (IP (NP (NN 臭味相投)) (PU ，) (VP (VV 物以类聚))) (PU 。))'gold_tree=parser.create_from_bracket_string(gold)test_tree=parser.create_from_bracket_string(test)result=scorer.score_trees(gold_tree,test_tree)print('Recall ='+str(result.recall))print('Precision ='+str(result.prec))
结果是：
Recall = 64.29 Precision = 56.25
待办事项
- 删除pytablewriter 的依赖项
- 增加更多的结构，比如限制句子的长度。
欢迎加入QQ群-->： 979659372
