Learning to Rank for IR的评价指标—MAP,NDCG,MRR
Map：相关性，1 or 0，计算排序后rank值 NDCG： 设定相关性等级（2^5-1, 2^4-1…） 计算累计增益值（嗯，就累加起来） 计算折算因子log(2)/log(1+rank) （越靠前的，越容易被点击） 归一化到NDCG，为了不同等级上的搜索结果的得分值容易比较 4.1. 首先计算理想list的MaxDCG 4.2 相除即可 MRR：”把标准答案在被评价系统给出结果中的排序取倒数
相关文章
- 1. Learning to Rank for IR的评价指标—MAP,NDCG,MRR
- 2. learning to rank 评价指标 MAP NDCG
- 3. 信息检索的评价指标 precision recall F1 mAP NDCG MRR ROC
- 4. learning to rank pairwise_LambdaRank
- 5. 信息检索（IR）常用评价指标计算方式（AUC,MAP,NDCG,MRR，Precision、Recall、F-score）
- 6. Learning to Rank概述
- 7. 推荐系统常用评价指标(recall,MAP,MRR,NDCG,F1,ROC等)
- 8. 搜索评价指标NDCG、MAP
- 9. Learning to rank 小结
- 10. 信息检索IR评价中常见的评价指标-MAP\NDCG\ERR\[email protected]等
- 更多相关文章...
- • Scala Map(映射) - Scala教程
- • Scala for循环 - Scala教程
- • 算法总结-双指针
- • 漫谈MySQL的锁机制
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Learning to Rank for IR的评价指标—MAP,NDCG,MRR
- 2. learning to rank 评价指标 MAP NDCG
- 3. 信息检索的评价指标 precision recall F1 mAP NDCG MRR ROC
- 4. learning to rank pairwise_LambdaRank
- 5. 信息检索（IR）常用评价指标计算方式（AUC,MAP,NDCG,MRR，Precision、Recall、F-score）
- 6. Learning to Rank概述
- 7. 推荐系统常用评价指标(recall,MAP,MRR,NDCG,F1,ROC等)
- 8. 搜索评价指标NDCG、MAP
- 9. Learning to rank 小结
- 10. 信息检索IR评价中常见的评价指标-MAP\NDCG\ERR\[email protected]等