本文主要介绍一个搜索和推荐中常用的一个评估指标：。

（Normalized Discounted Cumulative Gain）直接翻译为归一化折损累计增益，这个指标通常是用来衡量和评价排序的准确性，比如：推荐系统通常为某用户返回一个item列表，假设列表长度为 K，这时可以用 NDCG@K 评价该排序列表与用户真实交互列表的差距。NDCG 的两个思想：

  • 1、高关联度的结果比一般关联度的结果更影响最终的指标得分（高相关性的物比低相关性的物品更有用，低相关性的物品比不相关的物品更有用）
  • 2、有高关联度的结果出现在更靠前的位置的时候，指标会越高（理想情况下，推荐的列表是按照高相关性进行倒排的，即相关性越高的物品排的越靠前越好）

内容中包含的图片若涉及版权问题，请及时与我们联系删除