信息检索 (IR) 中的标准评估指标衡量系统检索相关信息的有效性。最常用的指标包括精确率 (Precision)、召回率 (Recall)、F1 分数 (F1 Score)、平均精确率均值 (Mean Average Precision, MAP) 和归一化折损累计增益 (Normalized Discounted Cumulative Gain, NDCG)。这些指标关注性能的不同方面：精确率和召回率侧重于二元相关性（项目是否相关），而 MAP 和 NDCG 评估排名列表，考虑结果的顺序。每个指标都提供了关于在返回尽可能多的相关项目与最小化不相关项目之间进行权衡的见解。
精确率衡量检索到的项目中有多少是相关的。例如，如果搜索返回 5 个文档，其中 3 个是相关的，精确率就是 3/5（60%）。召回率衡量检索到的所有相关项目占总相关项目数的比例。如果总共有 10 个相关文档，系统检索到 3 个，召回率就是 3/10（30%）。F1 分数通过它们的调和平均值来平衡这两者，当需要使用单一指标来比较系统时，F1 分数很有用。例如，如果精确率为 60%，召回率为 30%，F1 分数约为 2*(0.6*0.3)/(0.6+0.3) ≈ 40%。这些指标虽然直观，但仅限于二元判断（相关/不相关），且不考虑排名顺序。
对于排序结果，MAP 和 NDCG 提供更多信息。MAP 计算跨多个查询的平均精确率，其中精确率在找到相关项的每个位置计算。例如，如果第一个相关结果在位置 3，则该位置的精确率为 1/3。MAP 将这些值平均到所有查询中，奖励那些将相关项排在更高位置的系统。NDCG 使用分级相关性（例如，分数如 0、1、2）评估排名质量。它将系统的排名与理想顺序进行比较，并对较低位置应用折减。如果一个搜索将相关性评分为 [3, 2, 1] 的文档排名为 [2, 3, 1]，则 DCG（将分数除以位置的对数进行求和）将与理想 DCG 进行比较，得出 NDCG。当相关性不是二元的且顺序很重要时（例如在推荐系统中），此指标非常有用。总的来说，这些指标帮助开发人员优化系统以提高准确性和用户体验。