假设NDCG得分为我的检索系统是0.8。我该如何解读这个分数。我如何告诉读者,这个分数是显著?
该NDCG是排名指标。在信息检索领域,你应该预测的文件排序列表,并与相关文档的列表进行比较。试想一下,你预测的1000个文件排序列表,并有100个相关文件,该NDCG等于当100个相关的文档在列表中的100个最高级别达到1。
所以0.8 NDCG是最好名次的80%。
这是一个直观的解释,真正的数学包括了一些对数,但至今没有从这个。
要理解这让检查归一化贴现累计收益的例子(NDCG) 对于NDCG我们需要DCG和理想的DCG(IDCG) 让我们明白什么是累计收益(CG)第一,
Example: Suppose we have [Doc_1, Doc_2, Doc_3, Doc_4, Doc_5]
Doc_1 is 100% relevant
Doc_2 is 70% relevant
Doc_3 is 95% relevant
Doc_4 is 20% relevant
Doc_5 is 100% relevant
因此,我们的累计收益(CG)是
CG = 100 + 70 + 95 + 20 + 100 ###(Index of the doc doesn't matter)
= 385
和 贴现累计收益(DCG)是
DCG = SUM( relivencyAt(index) / log2(index + 1) ) ###where index 1 -> 5
Doc_1 is 100 / log2(2) = 100.00
Doc_2 is 70 / log2(3) = 044.17
Doc_3 is 95 / log2(4) = 047.50
Doc_4 is 20 / log2(5) = 008.61
Doc_5 is 100 / log2(6) = 038.69
DCG = 100 + 44.17 + 47.5 + 8.61 + 38.69
DCG = 238.97
而理想的DCG是
IDCG = Doc_1 , Doc_5, Doc_3, Doc_2, Doc_4
Doc_1 is 100 / log2(2) = 100.00
Doc_5 is 100 / log2(3) = 063.09
Doc_3 is 95 / log2(4) = 047.50
Doc_2 is 75 / log2(5) = 032.30
Doc_4 is 20 / log2(6) = 007.74
IDCG = 100 + 63.09 + 47.5 + 32.30 + 7.74
IDCG = 250.63
nDCG(5) = DCG / IDCG
= 238.97 / 250.63
= 0.95
结论:
在给定示例NDCG为0.95,0.95不是预测精度,0.95是该文件有效的排名。因此,增益从结果列表中的顶部到底部累积,以更低的折扣行列每个结果的增益。 Wiki reference
如果你有比较大的样本,您可以用人工重复采样来计算置信区间,这将显示您的NDCG分数是否显著大于零更好。
此外,您还可以使用成对的人工重复采样,以显著您NDCG分数与其他系统的NDCG得分比较