Unverified50% confidenceFactExact time
在二分类混淆矩阵中，F1分数是精确率和召回率的调和平均
1
Sources
50%
Confidence
Long-term
Relevance
9/7/2026
First Seen
Sources
Related Entities
Related Claims
Unverified反讽检测任务在标准数据集（如iSarcasm、SemEval系列）上的最佳F1分数长期徘徊在70%-80%区间67% similarUnverified该模型的F1分数为72%，数据存在严重的类别不平衡，比例为89:1165% similarUnverified假阳性率的计算公式为FPR = FP / (FP + TN)，是衡量分类器质量的核心指标之一57% similarUnverified在评估阶段对候选关系标签进行随机打乱后，该模型的F1从37%骤降到14%56% similarUnverified中心差分公式 (f(a+h)-f(a-h))/(2h) 的近似精度更高，误差为O(h²)而非O(h)55% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/868409API
curl https://kongchang.com/api/v1/knowledge/claims/868409MCP
get_claim(id=868409)