Allt om informations Recall

r alla hämtade dokument. Det kan bedömas vid en viss cut-off rang. Det måste överväga bara de bästa resultaten som returneras av systemet. Detta mått kallas precision vid n eller P @ n. Precision i informationssökning skiljer sig från noggrannhet och precision av andra vetenskapsgrenar och technology.A Fall-out är nära besläktat med specificitet i en binär klassificering. För att vara exakt: nedfall är lika med 1 minus specificitet. Det är chansen att en icke-relevant dokument kan hämtas av frågan. Det är obetydlig för att uppnå nedfall av 0%.

Det görs också genom att returnera noll dokument som svar på alla query.The F1 åtgärd det vägda harmoniska hjälp av precisionsinstrument och minns. Det är den konventionella F-åtgärd eller balanserad F-poäng. Två andra vanliga åtgärder F är: 1. F2 åtgärd - väger minns dubbelt så mycket som precision2. F0.5 åtgärd väger precision dubbelt så mycket som minns. Van Rijsbergen härledde F-åtgärden. Det är att mäta Fβs effektivitet på hämtning i samband med en användare som tilldelar p gånger så mycket vikt att hämta som precision.

Det bygger på effektivitet mått på Rijsbergens: E = 1 (1 /(a ​​/P + (1 a) /R)) Deras förhållande står som Fβ = 1 E Var i. Α = 1 /(β2 + 1) grundval av precision och återkallande är på fullständiga register över dokument som returneras av systemet. Den normala precision betonar att återvända fler dokument tidigare. Det är genomsnittliga precision som är beräknad efter trunkera listan och följa tillhörande handlingar som i sin tur: Var: r indikerar rankN anger antalet recalledrel () anger en binär funktion om vikten av en viss rang, och P () indikerar precision vid en specificerad bryt rang.