关于Spearman相关系数的用在文本匹配任务

[PYMAQ]

def compute_corrcoef(x, y): """Spearman相关系数 """ return scipy.stats.spearmanr(x, y).correlation 您好，看了下模型用的是这个指标来做结果的评估，但是为什么不用P值、R值、F1值来衡量结果呢？最后的标签输出都是0或者1。 换句话说，用这个Spearman系数比准召（混淆矩阵）有什么好处吗？ 感谢大佬回复。

[xiujiesong]

我的观点是，如果用分类指标进行评估的话，则需要确定计算得出的cosine similarity的阈值（高于阈值为1，低于阈值为0），比较麻烦，而Spearman不依赖阈值，只依赖相对顺序。具体请参考苏剑林博客：https://spaces.ac.cn/archives/8860。

此外，在SentenceBERT的论文中还提到了为什么spearman相比于pearson相关系数更合适，请参考论文：Task-Oriented Intrinsic Evaluation of Semantic Textual Similarity。