召回率与准确率

召回率（Recall Rate）（查全率）：是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率。 

精度（Precision）（查准率）：是检索出的相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率。



对于一个检索系统来讲，召回率和精度不可能两全其美：召回率高时，精度低，精度高时，召回率低。

　　

对于搜索引擎系统来讲，因为没有一个搜索引擎系统能够搜集到所有的 Web 网页，所以召回率很难计算。

目前的搜索引擎（广告）系统都非常关心精度，而网盟联盟广告系统更关心召回率，因为要出准确的广告。



影响一个搜索引擎系统的性能有很多因素，最主要的是信息检索模型，包括文档和查询的表示方法、评价文档和用户查询相关性的匹配策略、查询结果的排序方法和用户进行相关度反馈的机制。



从一个大规模数据集合中检索文档的时，可把文档分成四组：



　　※　系统检索到的相关文档（A）

　　※　系统检索到的不相关文档（B）

　　※　相关但是系统没有检索到的文档（C）

　　※　相关但是被系统检索到的文档（D）

直观的说，一个好的检索系统检索到的相关文档越多越好，不相关文档越少越好。



召回率 R：用检索到相关文档数作为分子，所有相关文档总数作为分母，即 R=A/(A+C)。

精度 P：用检索到相关文档数作为分子，所有检索到的文档总数作为分母，即 P=A/(A+B)。



举例：一个数据库有 500 个文档，其中有 50 个文档符合定义的问题；系统检索到 75 个文档，但其中只有 45 个文档符合定义。

　　　召回率：R=45/50=90%。

　　　精度：P=45/75=60%。

上例中：系统检索是比较有效的，召回率为 90%；但是结果有很大的噪音，有近一半的检索结果是不相关。



研究表明：在不牺牲精度的情况下，获得一个高召回率是很困难的；召回率越高，精度下降的很快，而且这种趋势不是线性的。