推荐系统评价指标介绍--CG, DCG, NDCG

基础概念

 首先明确CG这一系列指标既可用于打分场景，又可用于点击场景，用于判断模型给出的推荐列表$\hat{y}$和用户打分（点击列表）$rel$之间的相似性。
 基于CG的评价指标的计算 基础流程为：

1. 依据前端的召回模型对生成TOP-K推荐列表$\hat{y}$；
2. 按照推荐列表的顺序提取相应的用户的打分列表$rel$，进行排序；
3. 计算这一顺序下的打分和；
   这里需要明确，其他推文里常提到的所谓 “相关性”，简单认为是预先提供的用户打分Ground Truth即可。

指标介绍

• CG@K(Cummulative Gain):推荐列表中前K个物品用户给出的打分和（如果是点击场景而非打分场景的话就是1，官方名称是相关性rel，实际没看出来和相关性的联系在哪）：
  $$CG=\sum _{i=1}^{K}re{l}_i$$
  其中 r e l rel