推荐 / 排序系统常用哪些评估指标（NDCG、Recall@K）？ | AI 面试题

核心要点

推荐/排序关心的是「相关物品有没有排在前面」，是一个 Top-K 排序问题，普通准确率不适用，要用排序敏感的指标。

NDCG（归一化折损累计增益）：对每个位置的相关度按 log 位置折扣求和（DCG），再除以理想排序的 DCG 归一化。它同时考虑相关度高低和位置，是排序质量的核心指标。
Recall@K / Precision@K：前 K 个里命中的相关项占全部相关项的比例（Recall@K）、占 K 的比例（Precision@K）。召回阶段重点看 Recall@K。
MAP：对每个用户求平均精度再跨用户平均，奖励把相关项排得更靠前。
HitRate / 命中率：前 K 个里是否至少命中一个相关项。

覆盖率（推荐触达物品占全库比例）、多样性（结果是否同质）、新颖性，避免只推爆款。线上还需结合 CTR、转化、停留时长等 A/B 实测。

⚠️ 常见踩坑

误区一：容易答偏的地方：只看离线 NDCG/Recall@K 就下线上结论——离线指标无法反映曝光偏差与用户实时反馈，最终必须用线上 A/B 的业务指标验证。

追问 1：NDCG 和 MAP 有什么区别？

MAP 基于二值相关（相关/不相关），衡量相关项的平均排序位置；NDCG 支持多级相关度（如评分 1–5），并用对数位置折扣，更细粒度地刻画「高相关项是否排在前面」。当相关度有等级时 NDCG 更合适，纯二值场景两者都可用。

追问 2：召回和排序阶段分别该看什么指标？

召回阶段目标是「不漏」，看 Recall@K、候选集覆盖率，K 通常较大（几百到上千）；排序阶段目标是「排得准」，看 NDCG、Precision@K、MAP 等位置敏感指标，K 较小（首屏几条）。两阶段指标侧重不同，需分别评估。

同一考点的不同问法，换着练更稳

按主题分类的相关资源，便于系统复习

核心要点

NDCG：带位置折扣的排序质量指标，越靠前的相关项贡献越大，并对理想排序归一化到 0–1。

Recall@K / Precision@K：前 K 个结果中命中相关项的召回率与精确率，召回层常看 Recall@K。

MAP（平均精度均值）与命中率（HitRate）：衡量相关项整体排序与是否至少命中一个。

覆盖率与多样性：评估推荐是否只推热门、是否过于同质，反映长尾与体验。

标准回答

推荐/排序关心的是「相关物品有没有排在前面」，是一个 Top-K 排序问题，普通准确率不适用，要用排序敏感的指标。

NDCG（归一化折损累计增益）：对每个位置的相关度按 log 位置折扣求和（DCG），再除以理想排序的 DCG 归一化。它同时考虑相关度高低和位置，是排序质量的核心指标。
Recall@K / Precision@K：前 K 个里命中的相关项占全部相关项的比例（Recall@K）、占 K 的比例（Precision@K）。召回阶段重点看 Recall@K。
MAP：对每个用户求平均精度再跨用户平均，奖励把相关项排得更靠前。
HitRate / 命中率：前 K 个里是否至少命中一个相关项。

覆盖率（推荐触达物品占全库比例）、多样性（结果是否同质）、新颖性，避免只推爆款。线上还需结合 CTR、转化、停留时长等 A/B 实测。

追问

追问 1：NDCG 和 MAP 有什么区别？

追问 2：召回和排序阶段分别该看什么指标？