रैंक-आधारित अनुशंसा प्रणाली अनुशंसा सटीकता का मूल्यांकन करने के लिए एनडीसीजी का उपयोग करती है। हालांकि, कभी-कभी सटीकता दर और याद दर का उपयोग शीर्ष-एन सिफारिश का मूल्यांकन करने के लिए किया जाता है। क्या इसका मतलब है जब एनडीसीजी उच्च है, सटीकता दर अधिक है? लेकिन मैं एक ListRankMF एल्गोरिदम चलाता हूं, सटीकता दर movelens 100k डेटासेट पर बहुत कम है, केवल 8%। एनडीसीजी और सटीकता दर के बीच संबंध क्या है?रैंक-आधारित सिफारिश एनडीसीजी का उपयोग क्यों करती है?
एनडीसीजी सबसे उपयोगी है जब सिफारिशकर्ता प्रणाली का उद्देश्य कुछ प्रासंगिक परिणाम वापस करना है, और आदेश महत्वपूर्ण है। उदाहरण के लिए, अनुवाद की सिफारिश करना, या बैंक खाते की सिफारिश करना। यदि हम प्रासंगिक परिणामों को याद करते हैं तो यह हानिकारक नहीं है, लेकिन एक अच्छे उपयोगकर्ता अनुभव के लिए हम उन्हें एक सार्थक क्रम में चाहते हैं।
यादगार सबसे उपयोगी है जब सिफारिशकर्ता प्रणाली का उद्देश्य सभी प्रासंगिक परिणामों को वापस करना है, और आदेश महत्वहीन है। उदाहरण के लिए, एक संभावित चिकित्सा निदान या पर्चे। यदि हम प्रासंगिक परिणाम याद करते हैं तो यह हानिकारक है, क्योंकि यह सही निदान या इलाज हो सकता है। आदेश महत्वपूर्ण नहीं है क्योंकि हम दवाओं को सभी संभावनाओं के माध्यम से पढ़ने और अंतिम निर्णय के लिए अपने विशेषज्ञ ज्ञान का उपयोग करने की उम्मीद करते हैं।
मान लीजिए कि 5 दवाएं हैं जो हम एक रोगी (ए से ई) देने के लिए डॉक्टर की सिफारिश कर सकते हैं, और 5 कि हमें अनुशंसा नहीं करनी चाहिए (एफ से जे)। हमारी अनुशंसा प्रणाली ए, बी, सी, डी सिफारिशों को आउटपुट करता है।
इस मामले में स्पष्ट रूप से याद से पता चलता है कि हम साथ ही साथ हम कर सकते थे (क्योंकि हम दवा की सिफारिश नहीं की नहीं किया: यह हमें निम्नलिखित मूल्यांकन देता है ई), जबकि एनडीसीजी हमें विश्वास दिलाता है कि हमने सही सिफारिशें की हैं।
अगर हम किताबों की सिफारिश कर रहे थे, तो एनडीसीजी अधिक उपयुक्त होगा। याद रखें इतनी जानकारीपूर्ण नहीं है क्योंकि सैकड़ों प्रासंगिक किताबें हो सकती हैं, लेकिन हम उम्मीद नहीं कर सकते कि उपयोगकर्ता को पढ़ने के लिए केवल एक को चुनने के लिए सैकड़ों पुस्तकों की सूची के माध्यम से पढ़ना पड़े। एनडीसीजी हमें बताएगा कि क्या हम कम से कम संभव है कि कुछ अर्थपूर्ण सबसेट की सिफारिश कर रहे हैं।