Was ist DCG und warum ist eine Normalisierung notwendig?
sobes.tech KI
Antwort von AI
DCG (Discounted Cumulative Gain) ist eine Bewertungsmetrik für die Qualität der Rangfolge in der Informationssuche und Empfehlungssystemen. Sie misst den Nutzen der Suchergebnisse unter Berücksichtigung der Position: Relevante Dokumente, die höher in der Liste stehen, tragen mehr bei.
Die DCG-Formel berücksichtigt die Relevanz jedes Ergebnisses und verringert deren Einfluss mit zunehmender Position, meist durch logarithmische Diskontierung:
DCG_p = extstyle
elax ext{rel}_1 + extstyle
el_2 / ext{log}_2(2) + extstyle
el_3 / ext{log}_2(3) + ... + extstyle
el_p / ext{log}_2(p)
Die Normalisierung ist notwendig, um Ergebnisse verschiedener Anfragen mit unterschiedlicher Anzahl relevanter Dokumente vergleichbar zu machen. Dafür wird der IDCG (Idealer DCG) berechnet – der maximal mögliche DCG für diesen Satz relevanter Dokumente, sortiert nach absteigender Relevanz. Anschließend wird der DCG durch den IDCG normalisiert:
NDCG_p = DCG_p / IDCG_p
Dies ermöglicht die Ermittlung eines Wertes im Bereich [0,1], wobei 1 eine perfekte Rangfolge bedeutet. Die Normalisierung ist wichtig für einen objektiven Vergleich der Rangqualität zwischen verschiedenen Anfragen und Systemen.