这四个是信息检索（IR）和推荐系统 中最常用的排序质量评估指标。它们的共同目标是：衡量"把相关结果排在前面"的能力。下面按从简单到复杂的顺序讲清楚。
1. Precision@K（前K个里有多少是相关的）
定义：在返回的前 K 个结果中，相关结果所占的比例。
Precision@K=前K个结果中相关结果的数量K \text{Precision@K} = \frac{\text{前K个结果中相关结果的数量}}{K} Precision@K=K前K个结果中相关结果的数量
例子：返回前 5 个结果，其中 3 个相关 → Precision@5 = 3/5 = 0.6
关注点 ：准确性------你推出来的东西里，有多少是用户真正想要的。
局限：只看前 K 个，不关心相关结果有没有被漏掉。
2. Recall@K（所有相关结果里，前K个覆盖了多少）
定义：前 K 个结果中覆盖了多少比例的全部相关结果。
Recall@K=前K个结果中相关结果的数量全部相关结果的总数 \text{Recall@K} = \frac{\text{前K个结果中相关结果的数量}}{\text{全部相关结果的总数}} Recall@K=全部相关结果的总数前K个结果中相关结果的数量
例子：系统里一共有 10 个相关结果，前 5 个里命中了 3 个 → Recall@5 = 3/10 = 0.3
关注点 ：覆盖率------有没有把该找的都找出来。
局限：如果把所有东西都返回，Recall 会很高，但 Precision 很差。所以通常和 Precision 配合看。
Precision 与 Recall 的权衡：
- K 增大 → Recall 通常上升，Precision 通常下降。
- 实际中常用 F1@K 或 P-R 曲线 来综合。
3. MRR（平均倒数排名）
定义 ：对每个查询，看第一个相关结果排在第几位，取倒数；再对所有查询求平均。
MRR=1∣Q∣∑q=1∣Q∣1rankq \text{MRR} = \frac{1}{|Q|}\sum_{q=1}^{|Q|} \frac{1}{\text{rank}_q} MRR=∣Q∣1q=1∑∣Q∣rankq1
其中 rankq\text{rank}_qrankq 是第 qqq 个查询中第一个相关结果的位置。
例子：
- 查询1：第一个相关结果排第 2 → 1/2 = 0.5
- 查询2：第一个相关结果排第 1 → 1/1 = 1.0
- 查询3：第一个相关结果排第 4 → 1/4 = 0.25
- MRR = (0.5 + 1.0 + 0.25) / 3 ≈ 0.583
关注点 ：第一个相关结果出现得有多早。
适用场景：用户通常只关心"找到第一个能用的答案"，比如问答系统、导航、事实查找。
局限：只关心第一个相关结果，后面的相关结果排得再好也不加分。如果一个问题有多个相关答案，MRR 就不太合适。
4. nDCG@K（归一化折损累计增益）
这是最全面、也最常用的排序指标。它同时考虑：
- 相关性等级（不只是相关/不相关，可以分等级）
- 位置越靠前越重要（折损）
- 归一化，方便跨查询比较
分步理解
① CG（累计增益）
前 K 个结果的相关性分数直接相加。
② DCG（折损累计增益）
对每个位置的相关性除以一个随位置增长的折损因子：
DCG@K=∑i=1Krelilog2(i+1) \text{DCG@K} = \sum_{i=1}^{K} \frac{rel_i}{\log_2(i+1)} DCG@K=i=1∑Klog2(i+1)reli
其中 relirel_ireli 是第 iii 个结果的相关性分数（可以是 0/1，也可以是 0~4 这样的等级）。
③ IDCG（理想 DCG）
把同一批结果按最理想顺序排列后算出的 DCG。
④ nDCG
nDCG@K=DCG@KIDCG@K \text{nDCG@K} = \frac{\text{DCG@K}}{\text{IDCG@K}} nDCG@K=IDCG@KDCG@K
取值范围 0~1，越接近 1 越好。
例子
假设相关性等级为 3、2、0、1：
| 位置 i | rel_i | 折损 log₂(i+1) | 贡献 |
|---|---|---|---|
| 1 | 3 | 1.000 | 3.000 |
| 2 | 2 | 1.585 | 1.262 |
| 3 | 0 | 2.000 | 0 |
| 4 | 1 | 2.322 | 0.431 |
DCG = 3.000 + 1.262 + 0 + 0.431 = 4.693
理想排序：3, 2, 1, 0
IDCG = 3/1 + 2/1.585 + 1/2 + 0 = 3 + 1.262 + 0.5 = 4.762
nDCG@4 = 4.693 / 4.762 ≈ 0.985
关注点：整体排序质量，尤其是高相关结果有没有排在前面。
优点：支持多级相关性，位置折损合理，归一化后可比。
四个指标对比总结
| 指标 | 关心什么 | 是否考虑位置 | 是否支持多级相关 | 典型场景 |
|---|---|---|---|---|
| Precision@K | 前K个里相关比例 | 只区分前K/后 | 否 | 推荐列表准确率 |
| Recall@K | 相关结果覆盖率 | 只区分前K/后 | 否 | 搜索召回评估 |
| MRR | 第一个相关结果多早出现 | 是 | 否 | 问答、导航 |
| nDCG@K | 整体排序质量 | 是（折损） | 是 | 搜索、推荐排序 |
怎么选？
- 只关心有没有找到 → Recall@K
- 只关心推出来的准不准 → Precision@K
- 只关心第一个正确答案 → MRR
- 关心整个排序列表的质量，且相关性有等级 → nDCG@K
实际工作中，搜索和推荐系统通常同时看多个指标，比如 Recall@20 + nDCG@10，一个看召回，一个看排序。
如果你有具体场景（比如推荐系统、RAG 检索、问答），我可以帮你分析该重点用哪个。