Relevansmål

Relevansmål, eller relevansmått, är mått som används inom informationssökning, textanalys och rekommendationssystem för att kvantifiera hur väl ett urval av resultat möter en användares informationsbehov. De används för att jämföra olika sök- eller rekommendationssystem och deras parametrar under kontrollerade tester.

Vanliga relevansmått inkluderar precision, som anger andelen relevanta objekt bland de hämtade resultaten, och recall, som anger andelen relevanta objekt som hittas. F-score sammanväger precision och recall. I sammanhang där relevans kan bedömas i nivåer används graderade mått som DCG och dess normaliserade variant nDCG, där varje relevansnivå viktas olika. Andra populära mått är Average Precision (AP) och Mean Average Precision (MAP), samt top-k-mått som P@k och DCG@k. Dessa mått används ofta i rankinguppgifter och i jämförelser mellan olika algoritmer.

Utvärderingar bygger vanligtvis på mänskliga relevansbedömningar kallade qrels i TREC-liknande benchmarks eller på klickbeteende som proxy för relevans. Relevansmått har dock begränsningar: de beror på hur relevansen definieras och bedöms, vilka data som används och hur resultaten presenteras. Därför används ofta flera mått tillsammans och kompletteras med användarstudier för att få en mer nyanserad bild av systemets nytta och praktiska värde.