多模态推荐系统指标总结

多模态推荐系统指标总结

AUC（Area Under the ROC Curve）

表示模型区分正负样本能力的综合指标，ROC曲线下面积。ROC曲线是以真阳性率为纵轴，假阳性率为横轴的曲线。值范围为0.5（随机猜测）到1（完美区分），值越高说明模型整体性能越好。

HR@5（Hit Rate@5）

衡量推荐列表中前5项是否包含用户感兴趣的物品。若前5项中至少有一个正确物品，则记为一次命中。计算方式为：
$$\text{HR@5}=\frac{\text{命中次数}}{\text{总样本数}}\times 100\%$$
值越高，表示模型在推荐头部位置时更准确。

MRR@5（Mean Reciprocal Rank@5）

反映正确物品在推荐列表中的排名质量。计算方式为：对每个样本，若前5项中有正确物品，取其首次出现位置的倒数（如首次出现在第3位，则得分为1/3），否则为0；所有样本得分的均值即为MRR@5。

$$\text{MRR@5}=\frac{1}{N}\sum _{i=1}^N\frac{}{{\text{首次命中位置}}_i}$$