因为Ign_F1这个参数网上所解释的内容都是一致的，并且不太好理解
于是我就特地请教了YX师兄
这里特地感谢1107实验室YX师兄
F1分数
F1为精确率和召回率的调和平均数（为下部分做准备）
对于查全率，查准率，还有召回值就不过多介绍了
Ign_F1
我看网上所有的解释都是：表示在训练集、验证集和测试集中不包含关系事实的F1分数。
那么我通俗的给大家白话一下：
解释Ign_F1还是需要与DocRED数据集相结合
DocRED数据集包含3,053/1,000/1,000个实例，对应训练/验证/测试
在3053里识别实体，提取实体对。
举例：
北京是中国的首都
我们可以提取<北京，首都，中国>这个关系事实
但这只是在训练集里
在1000的测试集里可能有这句话
小王来自中国，他是北京人
我们可以提取<北京，城市，中国>这个关系事实
那么（划重点了）
在测试集里提取关系对之前
我们已经在训练集里知道了北京和中国这层关系（别管是啥关系类型，肯定是有关系的）
可能就会导致F1里的查准率和准确率，召回值产生影响
降维比喻：
就像是狼人杀里的上帝视角
知道谁是狼人（或者说谁是坏人）
谁是女巫（或者说谁是好人）为了消除上帝视角这个隐患
我们在计算Ign_F1时，删掉已知的关系对（训练集里有的关系事实）
这样再计算Ign_F1时，得到的结果更加具有真实性
比如最近在看的一篇文章里有这个实验结果
我们可以看到F1的值是要比Ign_F1的值都要偏高
我猜测可能就是上述情况关系事实的影响
补充：
Ign_F1目前我看到的只出现在文档级关系抽取的论文里
（很可能是我看的论文太少）
如果我有理解不到位的地方，请直接指出！！！
对于Ign_F1的代码，等我弄明白了再写在文章后面
更新
最近在一篇论文里看到了这句话
The main evaluation metrics are Ign_F1 and F1 score following Y ao et al. (2019), where Ign_F1 refers to the F1 score that ignores the triples that appear in the annotated training data.
翻译过来
主要的评估指标是yao等人(2019)之后的Ign_F1和F1得分，其中Ign_F1指的是忽略标注训练数据中出现的三元组的F1得分。
更好的验证了以上解释的内容
二更
最近在跑另一篇代码时，显示的结果是Ignore ma_f1
如下图所示
再次佐证了 Ign F1值是忽略事实关系的分数值！！！
