Напомним, Напомним, скорость @ K и точность в топ-K рекомендации

Question

По мнению авторов в 1, 2 и 3, Напомним процент соответствующих элементов, выбранных из всех соответствующих элементов в хранилище, в то время как Precision - это процент релевантных элементов из тех элементов, которые выбраны по запросу.

Поэтому, предполагая, что пользователь U получает TOP-к Рекомендуемый перечень предметов, они будут что-то вроде:

Напомним = (Relevant_Items_Recommended в топ- к) / (Relevant_Items)

Точность = (Relevant_Items_Recommended в TOP-к) не / (к _Items_Recommended)

До той части все понятно, но я не понимаю разницу между ними и Напомним скорость @ к. Как будет формула для вычисления скорость отзыва @ k?

Answer 1

И наконец, я получил объяснение от профессора Юрия Малхейроса (paper 1). Частота повторения Althougth @k как цитируется в цитированных в статьях работах, казалось, была нормальной метрикой отзыва, но применялась в верхнем k, они не совпадают. Этот показатель также используется в paper 2, paper 3 и paper 3

Скорость отзыва @K является процент, который зависит от испытаний, проведенных, например, число рекомендаций и каждая рекомендация представляет собой список элементов, некоторые пункты будут быть правильным, а некоторые нет. Если бы мы сделали 50 различных рекомендаций, назовем это R (независимо от количества элементов для каждой рекомендации), чтобы рассчитать частоту отзыва необходимо посмотреть на каждую из 50 рекомендаций. Если для каждой рекомендации по крайней мере один рекомендованный элемент верен, вы можете увеличить значение, в этом случае назовем его N. Чтобы рассчитать скорость повторного вызова @R, необходимо сделать N/R.