检索排序的指标问题 about uniem

[wangyuxinwhy]

排序的指标和检索的指标在我的理解里没有什么不同，因为检索本质就是排序。只是不同的指标，衡量的使用场景不一样。mAP MRR nDCG 在 T2Ranking 数据集上，nDCG 会更好，因为有不同的关联分数。另外，无论是 bier 自己的实现还是 trec_eval 的实现，默认参数都是把大于等于 1 的当作相关，所以 qrels 中 0 分的样本是允许的，或者说是没有任何影响的，会被过滤掉。

至于 mAP@1 和 MRR@1 是不是应该相等？我认为如果是标准实现或者公认的算法上来讲，应该是相同的。 但 trec_eval 的实现上，这两者并不相等，具体原因你看下面的代码就明白了：

import pytrec_eval
import json

qrel = {
    'q1': {
        'd1': 0,
        'd2': 1,
        'd3': 0,
        'd4': 1
    },
}

run = {
    'q1': {
        'd1': 1.0,
        'd2': 3.0,
        'd3': 1.5,
        'd4': 3.0,
    }
}

evaluator = pytrec_eval.RelevanceEvaluator(
    qrel, {'map_cut.1', 'ndcg'}, relevance_level=1)

print(json.dumps(evaluator.evaluate(run), indent=1))

输出：

{
 "q1": {
  "ndcg": 1.0,
  "map_cut_1": 0.5
 }
}

按照标准的实现，map_cut_1 应该是 1 才对，但 trec_val 的实现没有在分母取 k 和 正例的最小值。

综上，MTEB-zh 的实现是符合通用标准或者说共识的，ReRanking 和 Retrieval 的超参数选择和 main score 也是合理的。不知道上面的回答，有没有解决您的疑问？

指标这个东西确实麻烦，需要深入代码和实现才能搞清楚，我当时也是看了好长时间，更别提 trec_val 还是 c++ 写的....