评估 python 中搜索查询的结果：排名列表与手动标记的正确文档
Evaluating results from search query in python: ranked list vs. one manually labeled correct document
给定以下文档的预测排名列表：
query1_predicted = [1381, 1637, 646, 1623, 774, 1764, 92, 12, 642, 463, 613, ...]
和这个手动标记的最佳选择：
query1_manual = 646
python 中是否已经实施了任何合适的信息检索指标来对该结果进行排名？
我认为 NDCG 对我不起作用，因为我缺少真实且完全排名的文档列表。我假设召回率、精确率、F-score 和 MAP 也不会起作用，只要我没有每个查询的手动排名结果的完整列表来指示文档的相关性。
顺便说一句：预测列表的长度等于我集合中的文档总数：
len(query1_predicted) = len(documents)
提前感谢您的帮助！
一个想法是结合精度和召回指标。
例如，如果您查询 returns 一个列表，其中正确的文档排在第一位，您可以说您的准确率和召回率是 100%。如果它排在第二位，你的准确率又是 100%，但你的召回率下降到 50%，依此类推。
我知道这种方法并不完美，但它可以通过众所周知的指标很好地了解您的结果。
给定以下文档的预测排名列表：
query1_predicted = [1381, 1637, 646, 1623, 774, 1764, 92, 12, 642, 463, 613, ...]
和这个手动标记的最佳选择：
query1_manual = 646
python 中是否已经实施了任何合适的信息检索指标来对该结果进行排名？
我认为 NDCG 对我不起作用，因为我缺少真实且完全排名的文档列表。我假设召回率、精确率、F-score 和 MAP 也不会起作用，只要我没有每个查询的手动排名结果的完整列表来指示文档的相关性。
顺便说一句：预测列表的长度等于我集合中的文档总数：
len(query1_predicted) = len(documents)
提前感谢您的帮助！
一个想法是结合精度和召回指标。 例如，如果您查询 returns 一个列表，其中正确的文档排在第一位，您可以说您的准确率和召回率是 100%。如果它排在第二位，你的准确率又是 100%，但你的召回率下降到 50%，依此类推。 我知道这种方法并不完美，但它可以通过众所周知的指标很好地了解您的结果。