MRR-推荐算法评价指标

最新推荐文章于 2024-01-18 15:21:46 发布
最新推荐文章于 2024-01-18 15:21:46 发布
阅读量2.5w 收藏 38
点赞数 12
分类专栏： 推荐系统 文章标签： 推荐系统
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jiangjiang_jian/article/details/108246103
版权

平均倒数排名（Mean Reciprocal Rank, MRR）是一个国际上通用的对搜索算法进行评价的机制。

描述

结果列表中，第一个结果匹配，分数为1，第二个匹配分数为0.5，第n个匹配分数为1/n，如果没有匹配的句子分数为0。最终的分数为所有得分之和，再求平均

数学形式

正确检索结果值在检索结果中的排名来评估检索系统的性能。

                                                         MRR=\frac{1}{Q}\sum_{i=1}^{\left | Q \right |} \frac{1}{rank_i}

其中，\left | Q \right |是用户的个数，rank_i是对于第i个用户，推荐列表中第一个在ground-truth结果中的item所在的排列位置。

举例

假如检索三次的结果如下，需要的结果（cat，torus，virus）分别排在3,2,1的话，此系统地MRR为（1/3 + 1/2 + 1)/3 = 11/18

在这里插入图片描述

jiangjiane
关注
  • 12
    点赞
  • 踩
  • 38
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
mrr2c：将Metek MRR-2微型雨雷达数据文件转换为HDF
02-14
mrr2c 将Metek MRR-2微型雨雷达数据文件转换为NetCDF。 mrr2c是一个开源程序，可将Metek Micro Rain Radar 2（MRR-2）数据转换为NetCDF。 支持RAW，PRO和AVE文件。 注意：早期版本生成HDF5文件。 如果需要这种类型的输出以实现兼容性，请使用mrr2c版本1.0.3。 用法 mrr2c [--debug] < input > < output> 参数： input ：输入MRR-2 .raw ， .pro或.ave文件。 output ：输出NetCDF（ .nc ）文件。 选项： --debug ：启用调试输出。 另请参见手册页： man mrr2c 安装 建议在Linux或类似Unix的操作系统上运行mrr2c。 要求： Python 2.7或3或兼容的Python发行版，例如Anaconda 要
mrr-googleappsscript
02-22
Salesforce DX项目：后续步骤 现在，您已经创建了Salesforce DX项目，下一步是什么？ 以下是一些文档资源，可帮助您入门。 您如何计划部署更改？ 您要部署一组更改，还是创建一个独立的应用程序？ 选择一种。 配置您的Salesforce DX项目 sfdx-project.json文件包含sfdx-project.json有用配置信息。 有关此文件的详细信息，请参见《 Salesforce DX开发人员指南》中的“ ” 。 阅读所有关于它的内容
【推荐系统】常用评价指标NDCG、HR、Recall、MRR解析
Danger的博客
05-09 2837
【推荐系统】常用评价指标NDCG、HR、Recall、MRR解析
推荐系统中的MRR指标
weixin_44110392的博客
03-06 6721
MRR（Mean reciprocal rank） MRR最早是在搜索场景下衡量，返回结果的质量。 其基于一个假设“每一个query Q只有一个与其相关(relevant)的结果A” 指标反应的是我们找到的这些item是否摆在用户更明显的位置，强调位置关系，顺序性。公式如下，N表示推荐次数，1/p表示用户真实访问的item在结果列表中的位置，如果没在结果序列中，则p为无穷大，1/p为0。 如上图，有N次搜索，p_i是第i次搜索的结果中最相关结果的位置，其倒数就是返回结果的质量。 python实现： '''
知识图谱补全中MRR指标低而Hits@10高反映了什么
weixin_44466434的博客
07-25 905
1
推荐系统的评价指标--------命中率（Hit Rate）、平均倒数排名（MRR）和归一化折扣累积增益（NDCG）
m0_68682144的博客
01-18 1429
命中率是衡量推荐系统准确性的指标之一。它表示。命中率的计算非常直接。你只需要统计推荐列表中用户实际感兴趣的项目数量，然后除以测试集中用户实际感兴趣的总项目数量。示例：假设一个用户在测试集中对5个项目感兴趣，推荐系统推荐了10个项目，其中3个是用户实际感兴趣的，那么命中率为 3/5 = 0.6。
KGE性能指标：MRR，MR，HITS@1，HITS@3，HITS@10
热门推荐
飞机火车巴雷特的博客
09-12 4万+
知识图谱MRR，MR，HITS@1，HITS@3，HITS@10的含义、计算方法
KGC的衡量指标（MR、MRR、Hits@n）
syy1292的博客
03-01 1220
衡量知识图嵌入的常见指标MRR、MR、Hits@n
信息检索与数据挖掘 | 【实验】检索评价指标MAP、MRR、NDCG
因为健忘，所以记点有的没的〒▽〒
11-14 1818
MAP、MRR、NDCG
评价指标 MRR
s1162276945的博客
08-19 1万+
MRR(Mean Reciprocal Rank, 平均倒数排名) 是一个国际上通用的对搜索算法进行评价的机制，即第一个结果匹配，分数为1，第二个匹配分数为0.5，第n个匹配分数为1/n，如果没有匹配的句子分数为0。最终的分数为所有得分之和。...
机器学习中的MR和MRR
Norstc的博客
03-29 3768
设有一个test集，大小为M，对其进行分类，label的数目共有N个。那么预测结果共有M个，每个结果是对于N个label的评分，设第i个test目标的groud-truth排名为。 MR（Mean Rank，平均排名）： MRR（Mean Reciprocal Rank，平均倒数排名）： 可见，MR越小越好，MRR越大越好。 MR的取值范围： MRR的取值范围：，（注意倒数，即1除以原数，而不是倒着数） 举例： N=1000，M=10， eg1：排名结果是前9个都是1，最后一个是
MAP 与 MRR
独钓寒江雪
03-20 1万+
看论文时，发现对于wikiqa的评价指标常设为MAP、MRR这些Rank排序的指标，不是很理解，看了下面这篇博客有些理解了http://blog.csdn.net/lightty/article/details/47079017 在MAP中，四个文档和query要么相关，要么不相关，也就是相关度非0即1。MAP(Mean Average Precision)：单个主题的平均准确率是每篇相关文档检索...
26-04-MotivationalReading-MRR-Giveaway-2093_reading_motivation_P
10-02
Motivational reading PLR
21-07-AuthorityBlogSuccess-MRR-Giveaway-jjdk_blog_zip_PLR_
09-29
PLR package zip can use as giveaway
MrR-开源
04-30
这是用于质谱研究的R软件包。 MrR可用于分析质谱数据，以进行基线校正，降噪，峰检测，峰比对，峰归一化和生物标记物发现。
推荐系统算法：PMF、DPMF，BPMF
jiangjiane
07-10 2719
PMF：https://blog.csdn.net/shenxiaolu1984/article/details/50372909DPMF（上）：https://blog.csdn.net/shenxiaolu1984/article/details/50382566DPMF（中）：https://blog.csdn.net/shenxiaolu1984/article/details/50496...
SVD优秀博文汇总
jiangjiane
11-11 169
1、机器学习之SVD奇异值原理分析及举例 2、从SVD到推荐系统 3、SVD推荐系统简单案例
基于PHP实现的7LOG v1.0 正式版_7log10_博客论坛(源代码+html).zip
最新发布
04-21
【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、python、web、C#、EDA、proteus、RTOS等项目的源码。【项目质量】：所有源码都经过严格测试，可以直接运行。功能在确认正常工作后才上传。【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。【附加价值】：项目具有较高的学习借鉴价值，也可直接拿来修改复刻。对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同进步。
topk推荐系统的评价指标
05-25
topk推荐系统的评价指标包括以下几个方面： 1. Precision@k：表示在前k个推荐结果中，有多少个是用户真正感兴趣的，即推荐的物品中用户实际点击或购买的物品占比。 2. Recall@k：表示在所有用户感兴趣的物品中，有多少个被推荐出来了，即推荐列表中实际被用户点击或购买的物品占比。 3. Hit Rate@k：表示在前k个推荐结果中，是否有用户实际点击或购买的物品，即推荐列表中有多少个被用户真正关注。 4. Coverage@k：表示在所有用户感兴趣的物品中，有多少个被推荐出来了，即推荐列表中不同物品的覆盖率。 5. Mean Reciprocal Rank(MRR)：表示推荐列表中第一个被点击或购买的物品出现的位置的倒数的平均值。 6. Normalized Discounted Cumulative Gain(NDCG)：表示推荐列表的排序质量，将推荐列表中每个物品的相关性打分，计算出排名越靠前的物品所占的得分加权平均值。 7. Average Precision(AP)：表示在所有的推荐列表中，每个物品的平均精度，即推荐的物品列表中每个物品的精度加权平均值。 这些指标可以综合评估推荐系统在不同方面的性能，如精度、召回率、覆盖率、排序质量等。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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