在自然语言处理的背景下，有谁能给出一个真实的，正负的，假的？

Question

Google 帖子给出了一个有趣的解释:真阳性，真阴性，假阳性，假阴性

真实的积极(TP)：现实:狼受到威胁。谢泼德说：“狼。”结果:牧羊人是个英雄。真实否定(TN)：现实:没有狼的威胁。谢泼德说：“没有狼。”结果:每个人都很好。假阳性(FP)：现实:没有狼的威胁。谢泼德说：“狼。”结果:村民们对牧羊人叫醒他们感到愤怒。假阴性(FN)：现实:狼受到威胁。谢泼德说：“没有狼。”结果:狼吃掉了所有的羊。

在CV上下文中，分类器预测图像中是否包含cat。

True Positive (TP): 
Reality: an image contains cat. 
classifier predicts: cat.

True Negative (TN): 
Reality: an image does not contains cat. 
classifier predicts: no cat.

False Positive (FP): 
Reality: an image does not contains cat. 
classifier predicts: cat.

False Negative (FN): 
Reality: an image contains cat. 
classifier predicts: no cat.

在自然语言处理的上下文中，有人能给出像上面这样的TP、TN、FP、FN的具体示例吗？

Answer 1

想象一下一个热门新闻分类器。

真实的积极(TP)：现实:一条热门新闻。分类器预测:热。

真实的负面(TN)：现实:不是一条热门新闻。分类器预测:不热。

假阳性(FP)：现实:不是一条热门新闻。分类器预测:热。

假阴性(FN)：现实:一条热门新闻。分类器预测:不热。