NDCG指标——qjzcy的博客

最新推荐文章于 2025-04-30 11:32:16 发布
最新推荐文章于 2025-04-30 11:32:16 发布
阅读量5.2k 收藏 4
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 自然语言处理 机器学习 文章标签： NDCG rank
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qjzcy/article/details/51505312

工作学习中的一点体会——NDCG 指标

NDCG（Normalized discounted cumulative gain）值是我们经常用到的一个rank指标，这里写一下我对NDCG值的一点理解
—————————————————————————————————————
目录：
一、如何判断一个rank结果的好坏
二、公式
三、公式的理解
—————————————————————————————————————
一、 如何判断一个rank结果的好坏:
一个rank的结果我们一般主要考虑两个因素：
1、 我们想要的结果有没有被找到
2、 找到的结果中越重要的有没有拍的越靠上

二、 公式：
这里写图片描述
三、 公式的理解
1、j代表我们希望找到的目标在结果中排第几位，显然如果越重要的目标被找到，且排名越靠前，则公式中这里写图片描述 值越大
2、如果越重要的目标被排越靠后则 这里写图片描述分母越大。
这样这个公式就很好的体现出之前我们说的两个判断rank好坏的指标
3、 这里写图片描述代表归一化，代表在理想状态下（最好结果排序的GCD值）这里写图片描述 的倒数，这样我们就把每个list的NDCG值统一到了0-1的范围内，方便比较
4、 这里写图片描述 分子分母的两个两个1分别为平滑值，避免分母出现0的情况

参考文献：
https://en.wikipedia.org/wiki/Discounted_cumulative_gain
http://www.cnblogs.com/HappyAngel/p/3535919.html

推荐系统排序指标：MRR、MAP和NDCG
Cachel Wood的博客
05-30 226
摘要： 本文介绍了推荐系统中的三种关键评估指标：MRR、MAP和NDCG，分别来自基于二进制相关性和基于应用的两类度量家族。MRR关注首个相关结果的位置，适用于问答系统等场景；MAP通过计算平均精度衡量排序质量，适合二元相关性评估但对多级评分不敏感；NDCG支持多级相关性，通过折损累计增益和归一化处理，综合评估排序整体性能。各指标各有优劣：MRR简单但忽略后续结果，MAP对高排序错误敏感，NDCG计算复杂但更全面。实际应用中需根据场景需求选择合适指标。
召回评价指标之NDCG full or half
NLP与推荐算法
07-31 1852
hi,dear 大佬 在召回中评价筛出来的item是不是符合要求，除了HR外还可以看MAP或NDCG，这俩效果差不多， 主要是考察命中的item是不是靠前，都是越靠前（MAP/NDCG越大）越好. For Video Recommendation in Deep learning QQ Group 277356808 For Visual in deep learning QQ Group629530787 I'm here waiting for you ...
RAG评估指标 Recall、MRR、NDCG
u010249118的博客
03-19 1113
指标核心目标适用场景局限性Recall减少漏检疾病诊断、安防检测忽略误检，需与 Precision 平衡MRR优化首位结果质量导航搜索、事实查询忽略后续结果，仅关注首个命中NDCG多等级排序质量评估推荐系统、个性化搜索计算复杂，需明确相关性等级定义参考资料：Recall 的定义与目标检测应用；：MRR 的计算与搜索场景；：NDCG 的原理与代码实现。
NDCG评价指标讲解
u011926899的专栏
09-26 1万+
Normalized Discounted Cumulative Gain，即NDCG，常用于作为对rank的评价指标，当我们通过模型得出某些元素的ranking的时候，便可以通过NDCG来测评这个rank的准确度，同样的算法还包括MAP,MRR等，这里只讲解NDCG。 我们通过一个实例来说明一下这个NDCG的用法 id 1 2 3 4 5 模型评分
NDCG：推荐系统/搜索评价指标
沈春旭的博客
03-07 4919
本文转载自【胖喵】博主，详细请看https://www.cnblogs.com/by-dream/p/9403984.html 1. CG：累计增益 CG，cumulative gain，只考虑到了相关性的关联程度，没有考虑到位置的因素。它是一个搜素结果相关性分数的总和。指定位置p上的CG为： reli代表i这个位置上的相关度。 举例：假设搜索“篮球”结果，最理想的结果是：B1、B...
搜索评价指标——NDCG
Buevara的博客
11-22 5167
转载自：胖喵~的博客 概念 NDCG，Normalized Discounted cumulative gain 直接翻译为归一化折损累计增益，可能有些晦涩，没关系下面重点来解释一下这个评价指标。这个指标通常是用来衡量和评价搜索结果算法（注意这里维基百科中提到了还有推荐算法，但是我个人觉得不太适合推荐算法，后面我会给我出我的解释）。DCG的两个思想： 1、高关联度的结果比一般关联度的结果更影响最终的指标得分； 2、有高关联度的结果出现在更靠前的位置的时候，指标会越高； 累计增益（CG） CG，c
评估指标及代码实现（NDCG）
weiyaner的博客
06-22 1万+
机器学习领域，推荐/搜索算法的常用评估指标，NDCG等
hit、NDCG指标
12-26
Hit Ratio 是一种用于评估推荐系统的二元评价指标，主要用于衡量模型预测的准确性。具体来说，在给定测试集中的项目是否出现在推荐列表内。如果至少有一个真实目标项被成功命中，则记为一次 hit；否则不计分。 对于...
信息检索的评价指标介绍——MAP，NDCG
ictcxq的博客
01-23 1914
MAP MAP: Mean Average Precision，表示信息检索系统（搜索引擎）的平均正确率。其公式如下： MAP=∑Qq=1AveP(q)QMAP = \frac {\sum_{q=1}^Q AveP(q)}{Q} 其中，QQ表示query的数量，AvePAveP表示每条query的平均准确率，其计算公式如下： AveP=∑nk=1(P(k)∗rel(k))总相关文档数量Av
排序指标NDCG
huangdunxian的专栏
06-29 4855
NDCG（Normalized distributed cumulative gain），用来衡量排序质量的指标。 计算公式为： NDCG的计算：CG–>DCG–>NDCGCG：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相关度=2^r-1 例如现在有一个query={abc}，返回下图左
推荐系统：NDCG评价指标
热门推荐
Machine Learning with Tutors
07-07 3万+
两个最受欢迎的指标是MAP和NDCG。我们在前段时间已经使用了（MAP）。NDCG表示。两者之间的主要区别是，MAP认为是二元相关性（一个项是感兴趣的或者不感兴趣的），而NDCG允许以实数形式进行相关性打分。这种关系类似分类和回归的关系。实际当中，很难直接地优化MAP或NDCG指标，因为他们是不连续的，所以不可微。幸运的是，表明，用于排名学习的一对损失函数近似于这些指标。
nDCG（归一化折损累计增益） 是衡量排序质量的指标，常用于搜索引擎或推荐系统
最新发布
陈开心的博客
04-30 1010
是衡量排序质量的指标，常用于搜索引擎或推荐系统。。最终通过对比实际排序与理想排序的得分，得到一个0到1之间的值（越接近1，排序越好）。
排序评估指标——NDCG和MAP
comli_cn的博客
02-18 7304
用实例理解NDCG和MAP
理解NDCG排序指标
AcceptedLin的博客
10-05 5891
理解NDCG排序指标 关于NDCG，wiki给点解释很详细，这里我谈谈我的理解。 NDCG（Normalizeddiscounted cumulative gain）：是用来衡量排序质量的指标。 其中一种计算公式如下： 先从理解CG,DCG入手。CG（cumulative gain），累...
nDCG 与 MAP, 排序模型的评价指标
yichudu
12-01 1万+
DCG, Discounted Cumulative Gain ,累计收益折扣.A measure of ranking quality. 是信息检索领域中, 对排序问题的一个评价指标, 因素有文档相关性与排序位置: 与推荐场景常用的AUC, 有何区别?A: DCG侧重于样本分档, 而非简单的 正/负 sample.
【推荐】排序模型的评价指标nDCG
十一月廿七风雨大作
07-26 7595
归一化折损累计增益是一种用于评估排序模型性能的指标，它考虑了两个方面：排序的正确性和相关性的程度。
推荐系统的评价指标笔记（NDCG、MAP、AUC、HR、MRR）
pocket_eight的博客
09-27 5130
NDCG Normalized Discounted Cummulative Gain 累积增益CG，CG表示每个推荐结果相关性的分数的累加， CGk=∑i=1kr(i)CG_k=\sum_{i=1}^kr(i)CGk​=i=1∑k​r(i) 其中relirel_ireli​是位置iii的推荐结果的相关性，kkk是推荐列表的大小. 如果我们考虑到位置对推荐的影响，比如，相关性高的应该尽量排在推荐列表的前面。这里引入DCG，考虑位置的影响因素： DCGk=∑i=1kr(i)log⁡2(i+1)DCG_k=\s
搞懂推荐系统中的评价指标NDCG（CG、DCG、IDCG）
WitsMakeMen的专栏
07-04 2451
这些指标都是衡量搜索引擎算法的指标。搜索引擎一般采用PI（peritem）的方式进行评测，简单地说就是逐条对搜索结果进行分等级的打分。假设我们现在在Google上搜索一个词，然后得到5个结果。我们对这些结果进行3个等级的区分：Good（好）、Fair（一般）、Bad（差），然后赋予他们分值分别为3、2、1，下面我们举例子按照此评级来。
NDCG
ZSCDumin的博客
03-01 5852
NDCG 详解 1. CG 累积增益（CG）是DCG的前身，并且在考虑结果集的有用性时不包括结果的位置。以这种方式，它是搜索结果列表中所有结果的分级相关值的总和。 特定等级位置p的CG定义为： 2. DCG DCG的前提是在搜索结果列表中出现较低的高度相关文档应该受到惩罚，因为分级相关值与结果的位置成对比地减小。 DCG的传统公式累积在特定的等级位置p的定义为： 另一种表述...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值