Normalized DCG(NDCG)

搜索结果列表的长度取决于查询。单靠DCG无法一致地比较搜索引擎从一个查询到下一个查询的性能,因此对于选择的p值,每个位置的累积增益应该跨查询进行规范化。这是通过对语料库中所有相关文档的相对相关性进行排序来完成的。通过位置p产生最大可能的DCG,也叫这个位置p的理想DCG(IDCG)。

NDCG定义为:

NDCG_{p}=\frac{DCG_{p}}{IDCG_{p}}

其中IDCG_{p}为理想DCG,定义为:

IDCG_{p}=\sum_{i=1}^{\left | REL \right |}\frac{2^{rel_{i}}-1}{log_{2}(i+1)}

其中\left | REL \right |表示语料库中按相关性排序后到位置p的相关文档列表。

可以对所有查询的nDCG值进行平均,以获得衡量搜索引擎排名算法平均性能的指标。在完美的排序算法中,DCG_{p}IDCG_{p}相同产生的NDCG_{p}为1.0。所有NDCG的计算值都是在区间0到1上的,所以跨查询具有可比性。

在使用NDCG时,如果只有部分相关反馈可用时,排序结果不理想。

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值