在搜索和推荐任务中，系统常返回一个item列表。如何衡量这个返回的列表是否优秀呢？

例如，当我们检索【推荐排序】，网页返回了与推荐排序相关的链接列表。列表可能会是[A,B,C,G,D,E,F],也可能是[C,F,A,E,D]，现在问题来了，当系统返回这些列表时，怎么评价哪个列表更好？

这就引出了这篇文章要介绍的两个评价指标——NDCG和MAP，这两个指标都是用来评估排序结果的。

1. NDCG

NDCG的全称是：Normalized Discounted Cumulative Gain(归一化折损累计增益）学习NDCG最好按照G-CG-DCG-NDCG这个顺序来学习。

• Gain：表示一个列表中所有item的相关性分数。rel(i)表示item(i)相关性得分。

  $Gain=rel(i)$

• Cumulative Gain：表示对K个item的Gain进行累加。

  $C{G}_k={\sum }_{i=1}^{k}rel(i)$

  CG只是单纯累加相关性，不考虑位置信息。

  如果返回一个list_1= [A,B,C,D,E]，那list_1的CG为0.5+0.9+0.3+0.6+0.1=2.4

  如果返回一个list_2=[D,A,E,C,B]，那list_2的CG为0.6+0.5+0.1+0.3+0.9=2.4

  所以，顺序不影响CG得分。如果我们想评估不同顺序的影响，就需要使用另一个指标DCG来评估。

• Discounted Cumulative Gain: 考虑排序顺序的因素，使得排名靠前的item增益更高，对排名靠后的item进行折损。

  CG与顺序无关，而DCG评估了顺序的影响。DCG的思想是：list中item的顺序很重要，不同位置的贡献不同，一般来说，排在前面的item影响更大，排在后面的item影响较小。（例如一个返回的网页，肯定是排在前面的item会有更多人点击）。所以，相对CG来说，DCG使排在前面的item增加其影响，排在后面的item减弱其影响。

  $DC{G}_k={\sum }_{i=1}^k\frac{rel(i)}{lo{g}_2(i+1)}$

  怎么实现这个思想呢？DCG在CG的基础上，给每个item的相关性比上log2(i+1)，i越大，log2(i+1)的值越大，相当于给每个item的相关性打个折扣，item越靠后，折扣越大。

  还是上面那个例子：

  list_1=[A,B,C,D,E], 其对应计算如下：

  i	rel(i)	log(i+1)	rel(i)/log(i+1)
  1=A	0.5	1	0.5
  2=B	0.9	1.59	0.57
  3=C	0.3	2	0.15
  4=D	0.6	2.32	0.26
  5=E	0.1	2.59	0.04

  list_1的 DCG_1= 0.5+0.57+0.15+0.26+0.04=1.52

  list_2=[D,A,E,C,B]，其对应计算如下：

  i	rel(i)	log(i+1)	rel(i)/log(i+1)
  1=D	0.6	1	0.6
  2=A	0.5	1.59	0.31
  3=E	0.1	2	0.05
  4=C	0.3	2.32	0.13
  5=B	0.9	2.59	0.35

  list_2的 DCG_2= 0.6+0.31+0.05+0.13+0.35=1.44

  DCG_1 > DCG_2, 所以在这个例子里list_1优于list_2。

  到这里，我们可以知道，使用DCG方法就可以对不同的list进行评估，那为什么后面还有一个NDCG呢？

• NDCG(Normalized DCG): 归一化折损累计增益

  在NDCG之前，先了解一些IDGC(ideal DCG)–理想的DCG，IDCG的依据是：是根据rel(i)降序排列，即排列到最好状态。算出最好排列的DCG，就是IDCG。

  IDCG=最好排列的DCG

  对于上述的例子，按照rel(i)进行降序排列的最好状态为list_best=[B,D,A,C,E]

  i	rel(i)	log(i+1)	rel(i)/log(i+1)
  1=B	0.9	1	0.9
  2=D	0.6	1.59	0.38
  3=A	0.5	2	0.25
  4=C	0.3	2.32	0.13
  5=E	0.1	2.59	0.04

  IDCG = list_best的DCG_best = 0.9+0.38+0.25+0.13+0.04=1.7 (理所当然，IDCG>DCG_1和DCG_2)

  因为不同query的搜索结果有多有少，所以不同query的DCG值就没有办法来做对比。所以提出NDCG。

  $NDCG=\frac{DCG}{IDCG}$

  所以NDGC使用DCG/IDCG来表示，这样的话，NDCG就是一个相对值，那么不同query之间就可以通过NDCG值进行比较评估。

2. MAP

要学习MAP指标首先要了解Precision这个指标，即精确度。在推荐系统场景下，我们可以定义正样本为相关的商品，因此Precision就代表了，推荐的 n 个商品中，有多少个商品是相关的。而Recall就代表了数据库中一共有 m个相关商品，推荐系统选出了多少个相关商品。

例如下面的理财产品推荐场景，用户在未来购买了四款产品，而一个推荐系统在当前推荐了三款产品，用户只购买了一款产品。那么此时，推荐系统的Recall为 1/4 ，Precision为 1/3。

值得注意的是，由于屏幕大小限制，推荐系统只能展示前 N 个商品，因此一般推荐系统中的Precision计算会采用Cutoff形式进行计算。如下图所示，尽管我们的推荐系统可以推荐 m个商品，但是在Cutoff-Precision的计算过程中，只会考虑前 k 个商品的Precision。

根据上面的概念，我们就可以定义Average Precision。从公式中可以看出，AP@N可以直观理解为枚举Precision@k之后取平均值。

第k个item的precision是指前k个推荐的item里被用户pick的item有几个

在推荐系统场景下，使用AP最大的好处在于AP不仅仅考虑了商品推荐的准确率，还考虑了推荐顺序上的差异。考虑下面这样一个表格，从整体来考虑的话，三种推荐方案都只推荐了一个相关商品，但是第一种推荐方案明显是更好的，而AP指标可以体现这种差异。

介绍了AP@N指标，我们就可以定义MAP@N指标了。其实MAP@N指标就是将所有用户 UUU 的AP@N指标进行平均。

总的来说，MAP指标同时考虑了预测精准度和相对顺序，从而避免了传统Precision指标无法刻画推荐商品相对位置差异的弊端。因此。在很多推荐系统场景下，MAP指标是一个非常值得尝试的推荐系统评估指标。

参考1：知乎Satellite
参考2：知乎震灵