在信息检索中常用的常用指标包括 MAP, nDCG, ERR 和 F-measure.

知识点文本检索领域中常用的评估标准包括：MAP、nDCG、ERR、F-score/F-measure，同时还会引入Precision、Recall、AveP、CG、DCG、IDCG、MRR以及cascade models等附加指标。

ROC曲线及其对应的度量参数AUC则主要应用于分类与识别任务中。

MAP技术应用与分析

---

Precision(P)：

精确度作为衡量指标，用于反映在所获取文档中与查询相关文档所占的比例，其计算公式如下：

precision@10则表示在从系统中获取的前10个文档中，与查询主题相关文档所占的比例，此时满足|{retrieved documents}| = 10的条件。

Recall(R)：

召回率用于衡量在所有相关文档中被成功检索出的比例，其计算公式如下：

Average precision(AveP)：

从前述内容可知，准确率与召回率各自仅能反映检索效果的单一维度，最理想的状态应是两者均处于较高水平。当试图提升召回率时，通常会对准确率产生一定影响，因此可将准确率视为召回率的函数形式，即：P=f(R)，表示在召回率从0递增至1的过程中，准确率的变化趋势。基于此函数关系，可在R的范围内进行积分运算，从而计算出P的期望平均值。具体公式如下：