召回率与精度

召回率与精度

一直搞不清搜索引擎的查全率和查准率是什么意思,只知道这两个是衡量一个搜索引擎性能的. 今个 看一篇 南大的学士论文的时候, 又碰到这个问题. 所以决定把他搞清楚, 上百度搜了一下, 所获很多.

查全率[召回率]与精度[查准率] 之辨析:

召回率(recall rate)和精度(precision)定义：

从一个大规模数据集合中检索文档的时，可把文档分成四组   

－系统检索到的相关文档（Ａ）

- 系统检索到的不相关文档（Ｂ）

- 相关但是系统没有检索到的文档（Ｃ）

- 相关但是被系统检索到的文档（Ｄ）

	相关	不相关
检索到	A	B
未检索到	C	D

直观的说，一个好的检索系统检索到的相关文档越多越好，不相关文档越少越好．

召回率和精度是衡量信息检索系统性能最重要的参数．

召回率Ｒ：用检索到相关文档数作为分子，所有相关文档总数作为分母，即 R=A/(A+C)

精度Ｐ： 用检索到相关文档数作为分子，所有检索到的文档总数作为分母．即  P=A/(A+B).

下面举例说明召回率和精度之间的关系：

一个数据库有500个文档, 其中有50个文档符合定义的问题.系统检索到75个文档,但是只有45个符合定义的问题.

召回率      R=45/50=90%

精度      P=45/75=60%

本例中, 系统检索是比较有效的,召回率为90%. 但是结果有很大的噪音, 有近一半的检索结果是不相关. 研究表明: 在不牺牲精度的情况下,获得一个高召回率是很困难的.召回率越高,精度下降的很快,而且这种趋势不是线性的.