我用 Apache uimaFIT 和 DKPro 构建的命名实体识别 (NER) 管道可识别文本（例如人员、位置、组织等）中的命名实体（现在称为数据类型）。

我有一个黄金语料库和一个结果语料库，我想计算精度、召回率和 F1 分数。截至目前，我计算这些指标是这样的：

1. Calculate precision, recall and F1 score from TP, FP and FN per datatype per document
2. Average precision, recall and F1 score per datatype for all documents

在表中，您可以在相应的数据类型行中看到步骤 2 的结果。

关于第2步：我认为计算F1分数的方式既不是宏观的也不是微观的。我以宏观方式计算精度和召回率（如这里解释的）。但我不会将 F1 分数计算为平均精度和召回率（宏观方式）的调和平均值，而是作为所有文档的每种数据类型的平均 F1 分数。与我目前的方式相比，我在宏观方式 F1 得分上获得了更高的结果。

问题：计算每种数据类型的平均 F1 分数的正确方法是什么？这两种方式对我来说似乎都是正确的。请为您的答案命名来源。