这四个是信息检索IR和推荐系统中最常用的排序质量评估指标。它们的共同目标是衡量“把相关结果排在前面”的能力。下面按从简单到复杂的顺序讲清楚。1. PrecisionK前K个里有多少是相关的定义在返回的前 K 个结果中相关结果所占的比例。PrecisionK前K个结果中相关结果的数量K \text{PrecisionK} \frac{\text{前K个结果中相关结果的数量}}{K}PrecisionKK前K个结果中相关结果的数量例子返回前 5 个结果其中 3 个相关 → Precision5 3/5 0.6关注点准确性——你推出来的东西里有多少是用户真正想要的。局限只看前 K 个不关心相关结果有没有被漏掉。2. RecallK所有相关结果里前K个覆盖了多少定义前 K 个结果中覆盖了多少比例的全部相关结果。RecallK前K个结果中相关结果的数量全部相关结果的总数 \text{RecallK} \frac{\text{前K个结果中相关结果的数量}}{\text{全部相关结果的总数}}RecallK全部相关结果的总数前K个结果中相关结果的数量例子系统里一共有 10 个相关结果前 5 个里命中了 3 个 → Recall5 3/10 0.3关注点覆盖率——有没有把该找的都找出来。局限如果把所有东西都返回Recall 会很高但 Precision 很差。所以通常和 Precision 配合看。Precision 与 Recall 的权衡K 增大 → Recall 通常上升Precision 通常下降。实际中常用F1K或P-R 曲线来综合。3. MRR平均倒数排名定义对每个查询看第一个相关结果排在第几位取倒数再对所有查询求平均。MRR1∣Q∣∑q1∣Q∣1rankq \text{MRR} \frac{1}{|Q|}\sum_{q1}^{|Q|} \frac{1}{\text{rank}_q}MRR∣Q∣1q1∑∣Q∣rankq1其中rankq\text{rank}_qrankq是第qqq个查询中第一个相关结果的位置。例子查询1第一个相关结果排第 2 → 1/2 0.5查询2第一个相关结果排第 1 → 1/1 1.0查询3第一个相关结果排第 4 → 1/4 0.25MRR (0.5 1.0 0.25) / 3 ≈ 0.583关注点第一个相关结果出现得有多早。适用场景用户通常只关心“找到第一个能用的答案”比如问答系统、导航、事实查找。局限只关心第一个相关结果后面的相关结果排得再好也不加分。如果一个问题有多个相关答案MRR 就不太合适。4. nDCGK归一化折损累计增益这是最全面、也最常用的排序指标。它同时考虑相关性等级不只是相关/不相关可以分等级位置越靠前越重要折损归一化方便跨查询比较分步理解① CG累计增益前 K 个结果的相关性分数直接相加。② DCG折损累计增益对每个位置的相关性除以一个随位置增长的折损因子DCGK∑i1Krelilog2(i1) \text{DCGK} \sum_{i1}^{K} \frac{rel_i}{\log_2(i1)}DCGKi1∑Klog2(i1)reli其中relirel_ireli是第iii个结果的相关性分数可以是 0/1也可以是 0~4 这样的等级。③ IDCG理想 DCG把同一批结果按最理想顺序排列后算出的 DCG。④ nDCGnDCGKDCGKIDCGK \text{nDCGK} \frac{\text{DCGK}}{\text{IDCGK}}nDCGKIDCGKDCGK取值范围 0~1越接近 1 越好。例子假设相关性等级为 3、2、0、1位置 irel_i折损 log₂(i1)贡献131.0003.000221.5851.262302.0000412.3220.431DCG 3.000 1.262 0 0.431 4.693理想排序3, 2, 1, 0IDCG 3/1 2/1.585 1/2 0 3 1.262 0.5 4.762nDCG4 4.693 / 4.762 ≈ 0.985关注点整体排序质量尤其是高相关结果有没有排在前面。优点支持多级相关性位置折损合理归一化后可比。四个指标对比总结指标关心什么是否考虑位置是否支持多级相关典型场景PrecisionK前K个里相关比例只区分前K/后否推荐列表准确率RecallK相关结果覆盖率只区分前K/后否搜索召回评估MRR第一个相关结果多早出现是否问答、导航nDCGK整体排序质量是折损是搜索、推荐排序怎么选只关心有没有找到→ RecallK只关心推出来的准不准→ PrecisionK只关心第一个正确答案→ MRR关心整个排序列表的质量且相关性有等级→ nDCGK实际工作中搜索和推荐系统通常同时看多个指标比如 Recall20 nDCG10一个看召回一个看排序。如果你有具体场景比如推荐系统、RAG 检索、问答我可以帮你分析该重点用哪个。