Medidas de desempeño

Con el propósito de conocer cuál método, y en qué condiciones, realizaba un mejor agrupamiento, utilizamos la medida $F$ [Rijsbergen1979], muy empleada en RI. Para un agrupamiento $\{G_1,\ldots,G_m\}$ y clases $\{C_1,\ldots,C_n\}$ se define, en primer lugar, $F_{ij}$, $1\le i\le m$, $1\le j\le n$, como:

$$F_{ij}=\frac{2\cdot P_{ij}\cdot E_{ij}}{P_{ij}+E_{ij}},$$ (2)

donde $P_{ij}$ (pureza), y $E_{ij}$ (pureza inversa) se definen como

$$P_{ij}=\frac{\text{No. de textos del grupo }i\text{ en la clase }j} {\text{No. de textos en la clase }j},$$

y

$$E_{ij}=\frac{\text{No. de textos del grupo }i\text{ en la clase }j} {\text{No. de textos en el grupo }i}.$$

Con los valores $F_{ij}$ se calcula el desempeño global del agrupamiento:

$$F=\sum_{1\le i\le m}\frac{\vert G_i\vert}{\vert D\vert}\max_{1\le j\le n}F_{ij},$$ (3)