一直搞不清搜索引擎的查全率和查準率是什么意思,只知道這兩個是衡量一個搜索引擎性能的. 今個 看一篇 南大的學(xué)士論文的時候, 又碰到這個問題. 所以決定把他搞清楚, 上百度搜了一下, 所獲很多.

查全率[召回率]與精度[查準率] 之辨析:

召回率(recall rate)和精度(precision)定義：

從一個大規(guī)模數(shù)據(jù)集合中檢索文檔的時，可把文檔分成四組   

－系統(tǒng)檢索到的相關(guān)文檔（Ａ）

- 系統(tǒng)檢索到的不相關(guān)文檔（Ｂ）

- 相關(guān)但是系統(tǒng)沒有檢索到的文檔（Ｃ）

- 相關(guān)但是被系統(tǒng)檢索到的文檔（Ｄ）

直觀的說，一個好的檢索系統(tǒng)檢索到的相關(guān)文檔越多越好，不相關(guān)文檔越少越好．

召回率和精度是衡量信息檢索系統(tǒng)性能最重要的參數(shù)．

召回率Ｒ：用檢索到相關(guān)文檔數(shù)作為分子，所有相關(guān)文檔總數(shù)作為分母，即 R=A/(A+C)

精度Ｐ： 用檢索到相關(guān)文檔數(shù)作為分子，所有檢索到的文檔總數(shù)作為分母．即  P=A/(A+B).

下面舉例說明召回率和精度之間的關(guān)系：

一個數(shù)據(jù)庫有500個文檔, 其中有50個文檔符合定義的問題.系統(tǒng)檢索到75個文檔,但是只有45個符合定義的問題.

召回率      R=45/50=90%

精度      P=45/75=60%

本例中, 系統(tǒng)檢索是比較有效的,召回率為90%. 但是結(jié)果有很大的噪音, 有近一半的檢索結(jié)果是不相關(guān). 研究表明: 在不犧牲精度的情況下,獲得一個高召回率是很困難的.召回率越高,精度下降的很快,而且這種趨勢不是線性的.