P@K,MAP,MRR以及NDCG相关计算公式

原创

于 2020-12-29 15:45:24 发布 · 3.2k 阅读

·

0

·

CC 4.0 BY-SA版权

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。

文章标签：

本文介绍了信息检索领域的几个关键评估指标：Precision@K（P@K）、Mean Average Precision (MAP)、Mean Reciprocal Rank (MRR) 和 Normalized Discounted Cumulative Gain (NDCG)。详细阐述了它们的计算公式，包括AP的平均精度计算，MRR的概念，以及DCG和NDCG在评价排序效果中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

P@K,MAP,MRR以及NDCG相关计算公式

Precision@K（P@K):
在这里插入图片描述
Average precision(AP) = average of P@K
上图中AP=1/3*（2/3+2/4+3/5）

MAP计算公式为：
在这里插入图片描述
+++++++++++++++
MRR:

+++++++++++++++
NDCG相关计算：

Cumulative Gain at rank n (CG):
在这里插入图片描述
Discounted Cumulative Gain (DCG):
（log2(1)=0所以rel1单独拎出来了）

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。