[LTR] 信息检索评价指标（RP/MAP/DCG/NDCG/RR/ERR）

R（recall）表示召回率、查全率，指查询返回结果中相关文档占所有相关文档的比例；P（precision）表示准确率、精度，指查询返回结果中相关文档占所有查询结果文档的比例；

则 PR 曲线呈现出负相关的下降趋势；

一般来说，recall
和 precision
反映了模型性能的两个方面，单一依靠某个指标并不能较为全面的评价一个模型的性能。

此时引入 F-Score/F-measure 作为综合指标，平衡
recall 和 precision 的影响，较为全面的评价一个模型。

其中，F1-Score 表示准确率和召回率一样重要；F2-Score
表示召回率比准确率重要一倍；F0.5-Score 表示准确率比召回率重要一倍。

对 PR 曲线进行积分求曲线下方的面积，就是 AP（Average
Precision），即

其中，p 表示 precision，r 表示 recall，p 是一个以 r 为参数的函数，AP
的计算是对排序位置敏感的，相关文档排序的位置越靠前，检索出相关的文档越多，AP 值越大。

近似计算约等于 AAP（Aproximate Average Precision）：

其中，N 代表所有相关文档的总数，p(k) 表示能检索出 k 个相关文档时的 precision 值，而
△r(k) 则表示检索相关文档个数从 k-1 变化到 k 时（通过调整阈值）recall 值的变化情况。

rel(k) 表示第 k
个文档是否相关，若相关则为1，否则为0，则可以简化公式为：

其中，N
表示相关文档总数，position(i) 表示第 i 个相关文档在检索结果列表中的位置。

MAP（Mean Average
Precision）即多个查询的平均正确率（AP）的均值，从整体上反映模型的检索性能。

下面举一个例子来说明上述公式的计算：

查询 query1 对应总共有4个相关文档，查询 query2
对应总共有5个相关文档。当通过模型执行查询1、2时，分别检索出4个相关文档（Rank=1、2、4、7）和3个相关文档（Rank=1、3、5）。

则 query1_AP=(1/1+2/2+3/4+4/7)/4=0.83，query2_AP=(1/1+2/3+3/5+0+0)/5=0.45，最后
MAP=(0.83+0.45)/2=0.64。

其中
k 表示 k 个文档组成的集合，rel 表示第 i 个文档的相关度，例如相关度分为以下几个等级：

在 CG 的计算中没有考虑到位置信息，例如检索到三个文档的相关度依次为（3，-1，1）和（-1，1，3），根据
CG 的计算公式得出的排名是相同的，但是显然前者的排序好一些。

所以需要在 CG 计算的基础上加入位置信息的计算，现假设根据位置的递增，对应的价值递减，为
1/log₂(i+1)，其中
log₂(i+1)
为折扣因子；

另一种增加相关度影响比重的 DCG 计算公式：

理想情况下，按照相关度从大到小排序，然后计算 DCG 可以取得最大值情况。

其中 |REL| 表示文档按照相关度从大到小排序，取前 k 个文档组成的集合。

由于每个查询所能检索到的结果文档集合长度不一致，k 值的不同会影响 DCG
的计算结果。所以不能简单的对不同查询的 DCG 结果进行平均，需要先归一化处理。

NDCG 就是利用 IDCG 进行归一化处理，表示当前的 DCG 与理想情况下的 IDCG
相差多大：

这样每个查询的 NDCG 均在 0-1 范围内，不同查询之间就可以进行比较，求取多个查询的平均
NDCG。

通过一个计算示例来说明上面的公式，例如现在有一个 query={abc}，返回下图左列的 Ranked
List，当假设用户的选择与排序结果无关，则根据相关度生成的累计增益如下图所示：

现在考虑搜索结果排在前面的用户会优先选择，引入一个折算因子（discounting
factor）：1/(log(i+1)/log2) = log2/log(i+1)。

而理想的情况，根据相关度 rel 递减排序后计算 DCG：

所以最终得出 NDCG 结果：