Все об информационных Recall

с информационной пользователи нуждаются называется PRECISION.Precision похожа на положительной прогностической ценности в двоичной классификации. Точность принимает все полученные документы. Это может быть оценена в указанное отсечения ранга. Необходимо учитывать только первые результаты, возвращенные в системе. Эта мера называется точность при п или P @ п. Точность поиска информации отличается от точности и точности других отраслей науки и technology.A Осень-аут тесно связаны со спецификой в ​​двоичной классификации. Чтобы быть точным: выпадение равен 1 минус специфики.

Это шанс, что не-Соответствующий документ может быть получен по запросу. Это незначительно для достижения выпадение 0%. Это также делается путем возвращения нулевых документов в ответ на какой-то мере query.The F1 является весил гармонические средства точность и полнота. Это обычный F-мера или быть сбалансированным F-оценка. Два другие обычно используемые F меры: 1. F2 мера - весит вспомнить вдвое больше, чем precision2. F0.5 мера весит точность вдвое больше, чем вспомнить. Ван Rijsbergen вывел F-мера.

Это для оценки эффективности Fβs на извлечение, в связи с пользователем, который назначает бета раза больше веса, чтобы получить в точности. Он опирается на эффективности меры Rijsbergens: E = 1 (1 /(A /P + (1 а) /R)) Их отношения выступает в качестве Fβ = 1 E Где в:. А = 1 /(β2 + 1) Основа точности и отзыве находятся на полной отчетности по документу, возвращаемых в системе. Нормальная точность подчеркивает о возвращении дополнительные документы ранее.

Это средняя точность, что вычисляется после усечения список и после соответствующих документов, которые, в свою очередь: где: R указывает rankN указывает количество recalledrel () указывает на двоичную функцию относительно важности указанной ранга и P () указывает точность на указанный светотеневой ранга.