从代码入手，使用单步调试的方式，来理解评测指标。
1.main函数
main.png
1）可配置的命令行参数
可配置的命令行参数.png
参数代码.png
2）统计数量
相关函数-1.png
相关函数-2.png
3）计算评测指标
相关函数.png
2.理解评测指标
1）需要进行统计的统计量（使用了两个句子的数据进行单步调试，得到对应下面变量含义的理解，单步调试过程进行了文档整理，但过于长，就不贴图了）
统计量.png
2）计算
总的评测指标计算如下，分类别的计算方式相同。
计算.png
上图中tp、fp和fn对应到的统计量.png
按类别计算的分析（主要是分析每种类别最后多跟的那一个数字）
按类别计算.png
3.将python评测脚本放入代码中
1）使用下图的report函数
return_report.png
2）利用上图框出来函数的返回值
返回值.png
3）写入文件，与原有代码进行适配
写入文件.png
4.两处改动
1）输出的预测文本中，把不在类别中的大写O被改成了数字0，并且基于python的评测指标计算也是基于大写O，因此对此做修复，进行如下改动。
改动1.png
改动2.png
2）在评测结果中，增加了每个类别的真实实体个数和预测完全正确实体个数的展示
评测结果补充展示.png
补充：使用python脚本，与perl脚本有一点不同，统计的token不同，原有会将空行也统计进去，当然这个不同之处的影响也就只有accuracy的计算。
