@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix dc: <http://purl.org/dc/terms/> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .
@prefix inist: <http://www.inist.fr/Ontology#> .

<http://data.loterre.fr/ark:/67375/8LP> a owl:Ontology, skos:ConceptScheme .
<http://data.loterre.fr/ark:/67375/8LP-G006D599-R>
  skos:prefLabel "measure"@en, "mesure"@fr ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-KP1BF5CK-N> .

<http://data.loterre.fr/ark:/67375/8LP-KP1BF5CK-N>
  skos:altLabel "PPV"@en, "positive predictive value"@en ;
  skos:example "The sensi-tivity of negation detection was 92.6% the PPV was 98.6% and the specificity was 99.8%. (Cruz Díaz, 2013)"@en, "Dans ce cas, la précision atteint jusqu'à 66,4 %. (Grabar & Eshkol, 2015)"@fr, "– Très souvent, la précision est élevée tandis que le rappel est faible. (Dupuch, Hamon & Grabar, 2013)"@fr, "We utilized the Positive Predictive Value (Precision) and the Sensitivity (Recall) as evaluation metrics which are commonly used in classification tasks. (Mouratidis & Kermanidis, 2019)"@en, "Jusqu'à ce point, la précision est donc de 100 %. (Bestgen, 2017)"@fr, "However the positive predictive value is relatively low indicating that not all patients with sublingual varices have hypertension. (Sayin, Minervini, Staiano & Passerini, 2024)"@en, "La précision au rang 1 est de 1, alors que la précision au rang 5 est de 3/5. (Muller & Langlais, 2011)"@fr ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-G006D599-R> ;
  dc:modified "2025-02-12T14:15:08"^^xsd:dateTime ;
  skos:prefLabel "précision"@fr, "precision"@en ;
  a skos:Concept ;
  skos:hiddenLabel "Précision"@fr, "Precision"@en ;
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  skos:definition "A measure of the accuracy of a model's predictions, specifically in classification tasks. Precision focuses on the proportion of correctly predicted positive instances out of all instances that were predicted as positive."@en, "Mesure de la précision des prédictions d'un modèle, en particulier dans les tâches de classification. La précision se concentre sur la proportion d'instances positives correctement prédites par rapport à toutes les instances prédites comme positives."@fr ;
  inist:definitionalContext "– la précision représente le nombre de relations validées correctes sur le nombre total des relations validées par notre système ; (Embarek & Ferret, 2007)"@fr, "Les mesures utilisées sont classiquement la précision et le rappel, qui se définissent ici de la façon suivante : – la précision représente le nombre d'entités correctes extraites par notre système sur le nombre – le rappel représente le nombre d'entités correctes extraites par notre système sur le nombre La F1-mesure correspond à la moyenne harmonique entre la précision et le rappel. (Embarek & Ferret, 2007)"@fr .