2015-11-13 14 views
7

में परिशुद्धता 1, 2 में लेखकों के अनुसार, और 3, याद, भंडार में सभी प्रासंगिक आइटम में से चयनित प्रासंगिक आइटम का प्रतिशत है, जबकि प्रेसिजन क्वेरी द्वारा चुने गए आइटमों में से प्रासंगिक वस्तुओं का प्रतिशत है।याद है, याद दर @ कश्मीर और शीर्ष कश्मीर सिफारिश

इसलिए, यह सोचते हैं उपयोगकर्ता यू एक शीर्ष कश्मीर मदों की सिफारिश की सूची हो जाता है, वे की तरह कुछ होगा: (/ (शीर्ष कश्मीर में Relevant_Items_Recommended)

याद = Relevant_Items)

प्रेसिजन = (शीर्ष में Relevant_Items_Recommended कश्मीर) / (कश्मीर _Items_Recommended)

तक वह हिस्सा सब कुछ स्पष्ट है लेकिन मैं उन्हें और याद दर @ कश्मीर के बीच का अंतर समझ में नहीं आता। गणना दर @ k की गणना करने के लिए सूत्र कैसे होगा?

+1

आप रेटिंग अनुमान के लिए सरल प्रेसिजन और स्मॉल की गणना में सीधे @K डालते हैं जो भ्रमित हो सकता है। नियम सरल है - यदि आप केवल रैटिंग भविष्यवाणी को मापने का प्रयास करते हैं - पूरे अनुशंसित परिणाम पर सरल प्रेसिजन और स्मॉल का उपयोग करें। यदि आप रैंकिंग भविष्यवाणी को मापने में रुचि रखते हैं, तो आप अधिक रुचि रखते हैं कि शीर्ष -5 प्रदर्शन (पहली सिफारिश कैरोसेल स्क्रीन), फिर शीर्ष -10 (दूसरी स्क्रीन) और इतनी अच्छी तरह से कहें। क्योंकि दूसरे मामले में आप इस बात से अधिक रुचि रखते हैं कि आपके समाधान ने पूरी प्रतिक्रिया का आदेश दिया - रैंकिंग परिणाम। –

+0

आपको बहुत धन्यवाद @ Bartłomiej Twardowski। तो, मैं बस उस दर @ k कर रहा था? –

+0

हां, यदि आप शीर्ष के आइटम पर छेड़छाड़ कर रहे हैं और केवल उस पर पी/आर की गणना कर रहे हैं। –

उत्तर

6

अंत में, मुझे प्रो। यूरी मालहेरोस() से स्पष्टीकरण प्राप्त हुआ। Althougth याद करने की दर @के जैसा कि प्रश्नों में उल्लिखित कागजात में उद्धृत पत्रों में उद्धृत किया गया था, सामान्य याद मेट्रिक्स प्रतीत होता था लेकिन शीर्ष पर के में लागू होता है, वे समान नहीं होते हैं। यह मीट्रिक भी paper 2, paper 3 और paper 3

में प्रयोग किया जाता है याद दर @कश्मीर एक प्रतिशत है कि किए गए परीक्षण पर निर्भर करता है, यानी, सिफारिशों की संख्या और प्रत्येक सिफारिश मदों की एक सूची है, कुछ आइटम्स होगा सही हो और कुछ नहीं। अगर हमने 50 अलग-अलग सिफारिशें की हैं, तो हम इसे 5012 सिफारिशों में से प्रत्येक को देखने के लिए याद करने की दर की गणना करने के लिए आर (प्रत्येक अनुशंसा के लिए वस्तुओं की संख्या के बावजूद) को कॉल करने दें। यदि, प्रत्येक सिफारिश के लिए, कम से कम एक अनुशंसित आइटम सही है, तो आप इस मामले में एक मूल्य बढ़ा सकते हैं, हम इसे एन पर कॉल करें। आर की याद करने की दर की गणना करने के लिए, एन/R बनाने के लिए यह निष्पक्ष है।

+0

मुझे लगता है कि आपने वहां एक गलती की है, आपने परिशुद्धता @ के फिर से वर्णित की है। याद रखें @ के मतलब है कि आप शीर्ष-के बीच प्रासंगिक दस्तावेज़ों को गिनते हैं और इसे भंडार में प्रासंगिक दस्तावेज़ों की कुल संख्या से विभाजित करते हैं। Https://ils.unc.edu/courses/2013_spring/inls509_001/lectures/10- मूल्यांकन मूल्यांकन देखें।पीडीएफ – Chris

संबंधित मुद्दे