如何对两个列表进行比较，从而发现一个列表中一个单词在第二个列表中有多少次？

Question

我有两个列表，一个包含由人类选择的真值，另一个包含提取的值。我想根据提取的列表中包含多少真值来衡量管道的性能。示例：

extracted_value = ["value", "of", "words", "that", "were", "tracked"]
real_value = ["value", "words", "that"]

我需要一个度量来描述:3个实值中有3个被提取出来。

对于多个文档:10个实值中有5个被提取，3个实值中有2个被提取，9个实值中有1个被提取出来。

根据个人的比较，我能得到一个分数来描述提取的关键字在所有文档中的平均表现吗？

Answer 1

像这样简单的东西会起作用吗？

score = len([x for x in real_value if x in extracted_value])/len(extracted_value)
print(score)
>>> 0.5

Answer 2

你要找的标准是召回。@sfat的解决方案对于单个文档运行良好，然后您可以通过sum明得到多个文档的平均值--分数，然后除以文档的len。

要获得更高级的检索评分，请查看链接文章的F分数部分。

Answer 3

检查extracted_value和real_value之间共享了多少值。我相信您正在寻找您的模型的召回，您可以使用set操作，具体来说&(和)除以您的基本真理(real_values)：

recall = len(set(real_value) & set(extracted_value))/len(real_values)

或者，如果您想要确切地共享哪些特定值，则可以始终使用以下值的len：

shared_vals = set(real_value) & set(extracted_value)

如果您想用shared_vals计算召回量：

recall = len(shared_vals)/len(real_value)