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：

從一個大規模數據集合中檢索文檔的時，可把文檔分成四組   

－系統檢索到的相關文檔（Ａ）

- 系統檢索到的不相關文檔（Ｂ）

- 相關但是系統沒有檢索到的文檔（Ｃ）

- 相關但是被系統檢索到的文檔（Ｄ）

直觀的說，一個好的檢索系統檢索到的相關文檔越多越好，不相關文檔越少越好．

召回率和精度是衡量信息檢索系統性能最重要的參數．

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

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

下面舉例說明召回率和精度之間的關系：

一個數據庫有500個文檔, 其中有50個文檔符合定義的問題.系統檢索到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, 系統檢索是比較有效的,召回率為90%. 但是結果有很大的噪音, 有近一半的檢索結果是不相關. 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.