计算公式为: NDCG的计算:CG–>DCG–>NDCG CG: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 例如现在有一个quer... 查看原文 TopK推荐的评价指标 (Hit Ratio) 物理意义:关心用户想要的,我有没有推荐到,强调预测的
ndcg 指标的计算公式为: Ndcg=∑i=1n(2^reli−1/log2(i+1))/∑i=1n(2^reli−1/log2(i+1)) 其中,n 为排序结果的长度,reli 为第 i 个位置的得分。 [RS]评价指标NDCG [RS]评价指标NDCG 注意,下表格中 应该为2^rel-1 / log2(i+1) NDCG计算 import numpy as np NDCG计算 def getDCG(...
true_relevance = np.asarray([[10, 0, 0, 1, 5, 6]]) scores = np.asarray([[.1, .2, .3, .2, 4, 70]]) ndcg = ndcg_score(true_relevance, scores, k=3) print(ndcg) # 0.56 在具体实现过程中,还是有不少工作要做的,实现上也是有些技巧的,上述代码仅仅为了说明NDCG的计算过程,因此...
准备数据:首先,我们需要准备一组排序结果和对应的相关性评分。假设我们有10个结果,每个结果的相关性评分为1到5之间的整数。 计算DCG值:对于排序结果中的每个位置,根据相关性评分计算该位置的DCG值。DCG值的计算公式如下所示: DCG=rel1+∑i=2nrelilog2(i)DCG=rel1+i=2∑nlog2(i)reli...
10. 11. 12. 13. 3. 计算IDCG 理想折扣累计增益(IDCG)是对理想排序的DCG进行计算。实现代码如下: # 计算IDCGdefcompute_idcg(ideal_rank,k):sorted_ideal=sorted(ideal_rank,reverse=True)# 按相关性从高到低排序idcg=compute_dcg(sorted_ideal,k)# 利用DCG函数计算IDCGreturnidcg ...
10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 示例代码:Delta NDCG计算 以下是Delta NDCG的计算示例: importnumpyasnpdefcompute_delta_ndcg(relevance_scores,predicted_scores):# 计算理想排序下的DCGdefcompute_dcg(scores):returnnp.sum((2**scores-1)/np....
(3)只对返回的相关文档进行计算的AP, AP=(1/1+2/2+3/5+4/10+5/20)/5,倾向那些快速返回结果的系统,没有考虑召回率。 不考虑召回率情况下,单个查询评价指标还有: (1)Precision@N:在第N个位置上的正确率,对于搜索引擎,考虑到大部分作者只关注前一、两页的结果,P@10,P@20对大规模搜索引擎非常有效 ...
DCG的计算公式不是2的reli次方-1吗,上面的直接使用reli/log2(i+1)??? 2022-05-26 回复喜欢 2022-05-27 回复喜欢 关于作者 晚饭吃什么 戒骄戒躁,厚积薄发 回答 10 文章 23 关注者 40 关注他发私信 打开知乎App 在「我的页」右上角打开扫一扫 ...
还有第⼆种计算⽅法，据说公式只适合打分分两档的评测。DCG_P=\sum_{i=1}^{P}{\frac{2^{rel_i}-1}{log_2{(1+i)}}} 按照这种计算⽅式，结果为3、2 、1 、3、 2的DCG计算为：3+1.26+0.5+1.29+0.77=6.82 r=np.array([3, 2, 1, 3, 2]) np.sum(r / np.log2(np....