Open chriskeke95 opened 4 years ago
MRR(Mean reciprocal rank)是一个国际上通用的对搜索算法进行评价的机制,即第一个结果匹配,分数为1,第二个匹配分数为0.5,第n个匹配分数为1/n,如果没有匹配的句子分数为0。最终的分数为所有得分之和 无监督学习的目标就是正例要尽可能排在负例的前面,所以mrr是一个很好的选择
MRR(Mean reciprocal rank)是一个国际上通用的对搜索算法进行评价的机制,即第一个结果匹配,分数为1,第二个匹配分数为0.5,第n个匹配分数为1/n,如果没有匹配的句子分数为0。最终的分数为所有得分之和 无监督学习的目标就是正例要尽可能排在负例的前面,所以mrr是一个很好的选择
嗯嗯 想请问一下这里的正例和负例排序怎么排的。正例是指有边连接的节点,负例是无边的节点,是直接计算节点embedding之间的相似度来排序的吗?
正例是一般选有边连接的节点,负例全局采样。可以用相似度或者其他的算法,mrr是对结果进行排序后算的值
正例是一般选有边连接的节点,负例全局采样。可以用相似度或者其他的算法,mrr是对结果进行排序后算的值
请问算mrr的时候是否考虑了edge的权重
没有
MRR(Mean reciprocal rank)是一个国际上通用的对搜索算法进行评价的机制,即第一个结果匹配,分数为1,第二个匹配分数为0.5,第n个匹配分数为1/n,如果没有匹配的句子分数为0。最终的分数为所有得分之和 无监督学习的目标就是正例要尽可能排在负例的前面,所以mrr是一个很好的选择
这里换成auc是不是类似?
不太理解这里的排序是指什么![image](https://user-images.githubusercontent.com/19768933/81889600-7c597980-95d6-11ea-8db2-cbdd49f9192c.png)