召回评价指标之NDCG full or half

hi,dear 大佬

在召回中评价筛出来的item是不是符合要求，除了HR外还可以看MAP或NDCG，这俩效果差不多，

主要是考察命中的item是不是靠前，都是越靠前（MAP/NDCG越大）越好.

For Video Recommendation in Deep learning QQ Group 277356808
 
 

For Visual in deep learning QQ Group 629530787
 
 

I'm here waiting for you

公式如下，来源于一个github小项目

 这也是一般常见的定义和概念，其中的half是根据item点击次数的中间值来做的，

如果推荐的item的点击次数小于前面的中间值，说明推荐的效果好点，为何这样说？

这是因为这个小项目的目的在于减少头部影响，多推出点击次数少的item，这也是降低马太效应的一种衡量指标。

这是我的理解。

代码就很简单了，不再附。