Learning to Rank for IR的評價指標—MAP,NDCG,MRR
Map：相關性，1 or 0，計算排序後rank值 NDCG： 設定相關性等級（2^5-1, 2^4-1…） 計算累計增益值（嗯，就累加起來） 計算折算因子log(2)/log(1+rank) （越靠前的，越容易被點擊） 歸一化到NDCG，爲了不同等級上的搜索結果的得分值容易比較 4.1. 首先計算理想list的MaxDCG 4.2 相除即可 MRR：」把標準答案在被評價系統給出結果中的排序取倒數
相關文章
- 1. Learning to Rank for IR的評價指標—MAP,NDCG,MRR
- 2. learning to rank 評價指標 MAP NDCG
- 3. 信息檢索的評價指標 precision recall F1 mAP NDCG MRR ROC
- 4. learning to rank pairwise_LambdaRank
- 5. 信息檢索（IR）常用評價指標計算方式（AUC,MAP,NDCG,MRR，Precision、Recall、F-score）
- 6. Learning to Rank概述
- 7. 推薦系統常用評價指標(recall,MAP,MRR,NDCG,F1,ROC等)
- 8. 搜索評價指標NDCG、MAP
- 9. Learning to rank 小結
- 10. 信息檢索IR評價中常見的評價指標-MAP\NDCG\ERR\[email protected]等
- 更多相關文章...
- • Scala Map(映射) - Scala教程
- • Scala for循環 - Scala教程
- • 算法總結-雙指針
- • 漫談MySQL的鎖機制
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Learning to Rank for IR的評價指標—MAP,NDCG,MRR
- 2. learning to rank 評價指標 MAP NDCG
- 3. 信息檢索的評價指標 precision recall F1 mAP NDCG MRR ROC
- 4. learning to rank pairwise_LambdaRank
- 5. 信息檢索（IR）常用評價指標計算方式（AUC,MAP,NDCG,MRR，Precision、Recall、F-score）
- 6. Learning to Rank概述
- 7. 推薦系統常用評價指標(recall,MAP,MRR,NDCG,F1,ROC等)
- 8. 搜索評價指標NDCG、MAP
- 9. Learning to rank 小結
- 10. 信息檢索IR評價中常見的評價指標-MAP\NDCG\ERR\[email protected]等