P@K,MAP,MRR以及NDCG相关计算公式

最新推荐文章于 2024-11-22 16:55:30 发布
最新推荐文章于 2024-11-22 16:55:30 发布
阅读量3.1k 收藏 2
点赞数
分类专栏： 信息检索 文章标签： 信息检索
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/ywqdy/article/details/111914944
版权
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。
摘要由CSDN通过智能技术生成

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:
在这里插入图片描述
+++++++++++++++
NDCG相关计算：

Cumulative Gain at rank n (CG):

最低0.47元/天 解锁文章
推荐系统常用评价指标(recall,MAP,MRR,NDCG,F1,ROC等)
Marcus-Bao的个人主页
03-05 7858
这里主要总结一下推荐系统当中常见的一些评价指标,主要包括: MAE,RMSE,recall,precision,MAP,MRR,NDCG等 MAE(Mean Average Error,平均绝对误差) 表示预测值和实际值之间的绝对误差的平均值. ##RMSE(Root Mean Square Error,均方根误差) 均方根误差是用来衡量观测值同真实值之间的偏差,RMSE越小越好. ##Reca...
推荐系统中的NDCG
蕾姆的博客
10-18 2768
说到NDCG就需要从CG开始说起。 CG（cumulative gain，累计增益）可以用于评价基于打分/评分的个性推荐系统。假设我们推荐k个物品，这个推荐列表的CGk计算公式如下： CGk=∑ikreliCG_k=\sum _i^k rel_iCGk​=i∑k​reli​. relirel_ireli​ 表示第kkk个物品的相关性或者评分。假设我们共推荐kkk个文档，relirel_ireli​...
【评估指标】MAP@k
最新发布
藓类少女的博客
11-22 881
MAP@k是一种用于评估模型在信息检索或多标签分类任务中预测结果质量的指标。它衡量模型在预测前 k 个结果中相关性（正确性的平均精度），并对所有样本取平均值。U：测试样本的总数（问题的数量）。AP@k(u)：第 u 个问题的，计算方式如下：P(i)：到预测列表中第 i 个位置的精度（Precision at i）：rel(i)：指示函数，如果第 i 个预测在实际答案列表，则 rel(i) = 1，否则 rel(i) = 0。
DCG, NDCG 公式及其实现
止鱼
05-03 5685
DCG, NDCG Normalized Discounted Cumulative Gain(归一化折损累计增益) NDCG用作排序结果的评价指标，评价排序的准确性。 推荐系统通常为某用户返回一个item列表，假设列表长度为K，这时可以用NDCG@K评价该排序列表与用户真实交互列表的差距。 解释： Gain: 表示列表中每一个item的相关性分数 Gain = r(i) Cumulati...
NDCG 计算
xiedelong的博客
01-27 4262
参考 https://zhuanlan.zhihu.com/p/136199536 http://zhaoxi-sight.com/artificial-intelligence/%E6%90%9C%E7%B4%A2%E7%B3%BB%E7%BB%9F%E4%B9%8B%E8%AF%84%E4%BB%B7%E6%8C%87%E6%A0%87ndcg/ 含义 高相关性的文档在搜索引擎结果列表越早出现越好。即高相关性的文档出现的位置越靠前，指标会越高。 NDCG 同样可以用来计算推荐系统中，召回、排序的平均点
排序指标NDCG
huangdunxian的专栏
06-29 4673
NDCG（Normalized distributed cumulative gain），用来衡量排序质量的指标。 计算公式为： NDCG的计算：CG–>DCG–>NDCGCG：网页gain的累加。gain可以是自己定义的，用来衡量网页的相关程度。在NDCG中，相关度分成从0到r+1的等级（r是可设定的）： 相关度=2r−1相关度=2^r-1 例如现在有一个query={abc}，返回下图左
搜索引擎质量指标(nDCG)
LintaoD的博客
09-12 6733
检索中搜索引擎质量指标 1. DCG(Discounted Cumulative Gain) 1.1 介绍   衡量搜索引擎 rank 质量指标(DCG – Discounted Cumulative Gain)，在信息检索中，它通常用于衡量 Web搜索引擎算法或相关应用程序的有效性。DCG 在搜索引擎结果集中使用文档的相关性评分，根据文档在结果列表中的位置来衡量文档的有用性或增益...
【推荐算法】从零开始做推荐（二）——TopK推荐的评价指标，计算原理与样例
乐川大佛的博客
03-25 1万+
前言   推荐系统挺有趣的，但对做研究的人来讲上手有很多坑。相比于图像领域数据集、代码公开透明，评价指标高度统一，推荐系统仍处在整合阶段，龙蛇混杂。   在撰写论文的时候，难点不仅在于自己的方法，还在于实现他人的算法进行对比。如果代码不公开，自己实现他人的方法一方面费时费力，另一方面还不知道有没有复现准确。   本系列打算在推荐系统公开数据集上一步步实现完整推荐，并实现多个经典的推荐算法。由于本人...
信息检索中常用的评价指标：MAP,nDCG,ERR,F-measure
tzl2093的博客
04-10 1万+
知识点文本检索常用的评价指标：MAP、nDCG、ERR、F-score/F-measure以及附加的Precision、Recall、AveP、CG、DCG、IDCG、MRR、cascade models 一，MAP Precision(P)： 准确率(精确度)是指检索得到的文档中相关文档所占的比例，公式如下： precision=|{relevantdocuments}⊆{ret
【机器学习】排序问题（Ranking） 中使用的指标及示例代码
LogM的博客
07-06 1149
排序（Rank）问题使用的指标
NDCG归一化折损累积增益
weixin_37598719的博客
06-03 1516
NDCG常用于TOP-K排序的评价指标，不仅体现了预测的TOP-K个结果是否真的相关(有无点击)，同时体现这TOP-K个结果的相对排序。 累积增益CG：推荐系统中CG表示将每个推荐结果相关性的分值累加后作为整个推荐列表的得分： CGk=∑i=1kreli​CG_k = \sum_{i=1} ^{k}rel_i ​CGk​=∑i=1k​reli​​ 其中， relir e l_ ireli​ 表示位置 iii 的预测结果的相关性，kkk 表示推荐列表的大小。 CG没有考虑每个推荐结果处于不同位置对整个推荐结果
【推荐搜索评价指标一】NDCG-概念-原理-推导-代码
凝眸伏笔的博客
04-18 2833
鄙人愚见： 相比于推荐，搜索结果，更加关注排序的位置。所以评价指标中加入位置信息可以理解，但是有人说用该指标衡量推荐效果，茫茫然的感觉，总觉得不合适。个人觉得推荐是强推出一系列item，对item之间的相关性要求不高，并且item之间的相关性不能太高！！为什么？如果推荐的item都是一个类别，你还想继续看吗？纯属过推荐，让用户喷做的啥东东。。。推荐中需要考虑一些多样性，结合用户喜好，增加多样性，...
经常性收入、MRR、ARR 的定义和计算方法
m0_62700043的博客
08-26 2663
什么是经常性收入、MRR、ARR？MRR、ARR 的如何计算？怎么提升 MRR、ARR？
搜索推荐评价指标Precision@k、Recall@k、F1@k、NDCG@k
热门推荐
藏知阁
11-03 15万+
假设对于一个查询，真实相关的结果是{A，C，E, Q}，搜索模型得到5个结果{A, B, C, D, E}，则其中只有A，C，E是相关的，标记为{1, 0, 1, 0, 1}，1表示相关，0表示不相关。 Precision@k 即预测正确的相关结果占返回的所有结果的比例： Precision@k=TP@kTP@k+FP@k Precision@k = \frac{TP@k}{TP@k+FP@k} Precision@k=TP@k+FP@kTP@k​ 取值范围[0,1]，越大越好。 例子： Precision
信息检索P@10、MAP、NDCG，及同一指标计算的差别
more_ugly_less_bug的博客
01-16 4万+
问题源于我在重现一篇信息检索方面顶会论文实验的时候，始终计算不出与论文中相同的实验结果。论文的实验用到了P@10，MAP,NDCG@10三种指标。我先是用了Galago提供的计算工具，发现除P@10一项指标结果一致外，MAP,NDCG@10两项都有很大的不同。经过观察发现虽然实验结果的数据不同，但是实验结果的趋势是相同的（实验是对几种排名算法进行评比，尽管得到了不同的数据，但是用这些数...
信息检索(IR)—评价指标(二)
hei653779919的博客
05-05 3669
信息检索(IR)—评价指标(二) 接上一篇文章： 信息检索(IR)—评价指标(一)
排序评估指标——NDCG和MAP
comli_cn的博客
02-18 5413
用实例理解NDCG和MAP
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...
MRR、MAP、NDCG代码
03-27
由于MRR、MAP和NDCG都是评估指标，需要根据具体的任务和数据集进行实现。以下是一些常见任务的评估指标实现示例： 1. 信息检索任务中的MRR实现： ```python def mean_reciprocal_rank(results, relevant_docs): ...
评论
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
>