什么是平均精度均值 (MAP)？ 平均精度均值 (MAP) 是一种用于评估信息检索系统（如搜索引擎或推荐算法）性能的指标。它通过平均多个查询的精度得分来衡量系统对相关项（例如，文档、产品）的排序效果。与仅计算单个结果集中相关项比例的简单精度不同，MAP 考虑了结果的顺序以及它们在所有查询中的相关性。这使得它对于排名质量至关重要的任务特别有用，例如搜索或推荐系统。
MAP 计算示例 要计算 MAP，首先计算每个查询的平均精度 (AP)。AP 平均了在排名列表中出现相关项的每个位置的精度得分。例如，假设一个搜索查询返回五个项，相关项位于位置 1、3 和 5。在每个相关位置的精度分别为 1/1 (100%)、2/3 (约 66.7%) 和 3/5 (60%)。该查询的 AP 为 (1 + 0.667 + 0.6) / 3 ≈ 0.756。如果第二个查询的相关项位于位置 2 和 4，精度分别为 1/2 (50%) 和 2/4 (50%)，则其 AP 为 (0.5 + 0.5) / 2 = 0.5。MAP 是这两个 AP 分数的均值：(0.756 + 0.5) / 2 ≈ 0.628。这反映了系统在不同查询中将相关项排在前面（更高位置）的整体能力。
何时以及为何使用 MAP MAP 常用于比较文档检索、产品推荐或图像搜索等任务中的排名算法。例如，如果两个搜索算法返回相同数量的相关文档，MAP 有助于确定哪个算法将其排在列表中的更高位置。与 precision@k 等指标相比，MAP 更受欢迎，因为它捕获了整个结果集的排名质量，而不仅仅是固定的截止位置。然而，MAP 假设二元相关性（项要么相关，要么不相关），这可能不适用于分级相关性（例如，“部分相关”项）的场景。尽管有此限制，MAP 在研究和工业界仍是评估排名检索系统的标准基准。