详细解释mAP@10，mAR@10，Prec@10

系列文章目录

---

---

在信息检索和推荐系统中，mAP@10、mAR@10和Prec@10是常用的评价指标，它们用于衡量检索结果的质量。以下是对这三个指标的详细解释：

1. 精确度（Precision, Prec@N）

精确度是指在检索结果中，相关文档占总检索结果的比例。具体来说，Prec@10表示在前10个检索结果中，有多少个是相关的。计算公式为：

$\text{Prec@10}=\frac{\text{Relevant Documents in Top 10}}{\text{Total Documents in Top 10}}=\frac{TP}{TP+FP}$

其中：

• $TP$ 是真正例（相关文档）。
• $FP$ 是假正例（不相关文档）。

2. 平均精确度（Mean Average Precision, mAP@N）

平均精确度是对多个查询的精确度进行平均。mAP@10表示对所有查询的平均精确度，计算时考虑前10个结果。具体计算步骤如下：

1. 对每个查询，计算其在前10个结果中的精确度。
2. 对所有查询的精确度取平均值。

公式为：

$\text{mAP@10}=\frac{1}{Q}{\sum }_{i=1}^Q{\text{Prec@10}}^i$

其中 ( Q ) 是查询的总数。

3. 平均召回率（Mean Average Recall, mAR@N）

平均召回率是衡量检索系统找回相关文档的能力。mAR@10表示在前10个检索结果中，找回的相关文档占所有相关文档的比例。计算公式为：

$\text{mAR@10}=\frac{1}{Q}{\sum }_{i=1}^Q{\text{Recall@10}}^i$

其中，Recall@10的计算为：

$\text{Recall@10}=\frac{\text{Relevant Documents in Top 10}}{\text{Total Relevant Documents}}=\frac{TP}{TP+FN}$

其中：

• $FN$ 是假负例（未检索到的相关文档）。

总结

• Prec@10 衡量在前10个结果中相关文档的比例。
• mAP@10 是多个查询的平均精确度，反映整体检索性能。
• mAR@10 衡量在前10个结果中找回的相关文档占所有相关文档的比例，反映检索的全面性。

这些指标共同提供了对检索系统性能的全面评估，帮助研究者和工程师优化其算法和模型。