რა არის DCG და რატომ არის ნორმალიზაცია საჭირო?
sobes.tech AI
პასუხი AI-სგან
DCG (დაშლილი ჯამური სარგებელი) არის მეტрика ინფორმაციის ძიებისა და რეკომენდაციის სისტემებში რეიტინგის ხარისხის შეფასებისთვის. იგი ზომავს საძიებო შედეგების სარგებლიანობას პოზიციას გათვალისწინებით: უფრო მაღლა განლაგებული შესაბამისი დოკუმენტები უფრო დიდ წვლილს იძლევა.
DCG-ის ფორმულა ითვალისწინებს თითოეული შედეგის შესაბამისობას და ამცირებს მის გავლენას პოზიციის ზრდასთან ერთად, ჩვეულებრივ ლოგარითმული დისკონტირების საშუალებით:
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)
ნორმალიზაცია აუცილებელია სხვადასხვა მოთხოვნების შედეგების შედარებისთვის, სადაც შესაბამისი დოკუმენტების რაოდენობა განსხვავებულია. ამისთვის გამოითვლება IDCG (იდეალური DCG) — მაქსიმალური შესაძლო DCG ამ შესაბამისი დოკუმენტების ნაკრებისთვის, რომლებიც დაჯგუფებულია კლებადობით შესაბამისობის მიხედვით. შემდეგ, DCG ნორმალიზდება IDCG-ის მიმართ:
NDCG_p = DCG_p / IDCG_p
ეს საშუალებას იძლევა მიიღოთ მნიშვნელობა დიაპაზონში [0,1], სადაც 1 ნიშნავს იდეალურ რეიტინგს. ნორმალიზაცია მნიშვნელოვანია ობიექტური შედარებისთვის რეიტინგის ხარისხის შორის სხვადასხვა მოთხოვნებსა და სისტემებს შორის.