正文

搜索排名得分怎么算（搜索排名規(guī)則）

發(fā)布時(shí)間：2023-03-17 17:45:18 稿源：創(chuàng)意嶺閱讀： 97 問(wèn)大家

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于搜索排名得分怎么算的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀企業(yè)，服務(wù)客戶遍布全國(guó)，網(wǎng)絡(luò)營(yíng)銷相關(guān)業(yè)務(wù)請(qǐng)撥打175-8598-2043，或微信：1454722008

本文目錄:

1、百度推廣的綜合排名指數(shù)，計(jì)算公式。
2、關(guān)鍵詞內(nèi)頁(yè)排名怎么算
3、百度關(guān)鍵詞排名規(guī)則
4、搜索排序評(píng)估方法：作為產(chǎn)品，這個(gè)你必須要了解

搜索排名得分怎么算（搜索排名規(guī)則）

一、百度推廣的綜合排名指數(shù)，計(jì)算公式。

綜合排名指數(shù)（CRI）：百度關(guān)鍵詞排名真正的衡量標(biāo)準(zhǔn)：出價(jià)*質(zhì)量度=綜合排名指數(shù)

搜索引擎引入了質(zhì)量度這個(gè)概念，其數(shù)值反應(yīng)了推廣信息被搜索者的接受程度，搜索者越感興趣，越多人點(diǎn)擊，訪問(wèn)者體驗(yàn)越好，質(zhì)量度越高。對(duì)百度搜索推廣來(lái)說(shuō)，綜合排名指數(shù)（CRI），即出價(jià)與質(zhì)量度的乘積，才是排名真正的衡量標(biāo)準(zhǔn)。這就是說(shuō)，如果您有很好的質(zhì)量度就有可能在出價(jià)較低的情況下排名靠前。

而百度綜合排名指數(shù)出價(jià)的算法是

1、末位計(jì)費(fèi) =百度給出的這個(gè)詞的最低展現(xiàn)價(jià)格

2、次位計(jì)費(fèi) =（下一名出價(jià)X下一家質(zhì)量度）/關(guān)鍵詞質(zhì)量度+0.01

二、關(guān)鍵詞內(nèi)頁(yè)排名怎么算

關(guān)鍵詞內(nèi)頁(yè)排名怎么算?

一、IP環(huán)境

地區(qū)相關(guān)性限制，非本地區(qū)的IP點(diǎn)擊不計(jì)分(PS：部分行業(yè)有此限制，比如地區(qū)旅游行業(yè)網(wǎng)站，如上海旅行社必須需要上海本地的IP點(diǎn)擊，否則不加分，多次使用外地IP點(diǎn)擊不僅不會(huì)加分還會(huì)使網(wǎng)站進(jìn)入黑名單，所以很多朋友為何刷排名的時(shí)候沒(méi)有效果，先去考察下IP環(huán)境是否正常)。

同IP下，點(diǎn)擊同一個(gè)網(wǎng)站，同一個(gè)關(guān)鍵詞最多計(jì)算三次分值。

二、流量入口

多瀏覽器獲得分值更高，尤其是搜搜和搜狗(PS：很多朋友都在刷排名，但是效果就是不好，因?yàn)槿绻銌我坏娜ナ褂媚骋粋€(gè)瀏覽器，長(zhǎng)期點(diǎn)擊哪怕你是切換IP去點(diǎn)擊也會(huì)造成作弊嫌疑，導(dǎo)致排名下降)。

除了瀏覽器不同以外，還需要注意流量入口來(lái)源網(wǎng)址，做快速排名點(diǎn)擊的時(shí)候需要注意不同的網(wǎng)址來(lái)源進(jìn)入搜索(比如好123導(dǎo)航，2345導(dǎo)航等等，越自然的流量入口就會(huì)讓搜索引擎覺(jué)得你的點(diǎn)擊數(shù)據(jù)更加真實(shí))。

三、跨頁(yè)點(diǎn)擊

跨頁(yè)點(diǎn)擊二次搜索有效(一次搜索跨頁(yè)無(wú)效，二、三次跨頁(yè)搜索有效)，所以在點(diǎn)擊的時(shí)候比如優(yōu)化關(guān)鍵詞“SEO”，那么在點(diǎn)擊的時(shí)候先搜索SEO教程、SEO培訓(xùn)與主詞相關(guān)性高的次搜索，然后搜索主詞然后翻頁(yè)點(diǎn)擊，這樣對(duì)于搜索引擎記錄來(lái)說(shuō)更加自然和真實(shí)。(PS：很多朋友喜歡直接搜索需要刷的關(guān)鍵詞然后點(diǎn)擊網(wǎng)站最后把關(guān)鍵詞排名點(diǎn)到100以后，很多情況下都是由于跨頁(yè)點(diǎn)擊不正確的方式造成的)。

四、跳出率

這里我再次給大家掃盲一下，搜索引擎所記錄的跳出率和所謂的流量統(tǒng)計(jì)工具里面的跳出率并沒(méi)有相關(guān)的聯(lián)系，搜索引擎所記錄的跳出率是指從搜索框中輸入的搜索詞進(jìn)入到網(wǎng)站以后，再次在搜索框中搜索第二個(gè)關(guān)鍵詞的時(shí)間差，這個(gè)時(shí)間差稱為網(wǎng)站的停留時(shí)間，如在百度搜索了SEO，進(jìn)入了xx網(wǎng)站，進(jìn)入一分鐘以后，再次去搜索頁(yè)面打開(kāi)yy網(wǎng)站，那么xx網(wǎng)站到y(tǒng)y網(wǎng)站這個(gè)一分鐘的瀏覽時(shí)間，稱為xx網(wǎng)站的停留時(shí)間，如果網(wǎng)站停留越長(zhǎng)，那么說(shuō)明網(wǎng)站跳出率越低，反之越高，搜索引擎之所以這么做，是用于模擬用戶正常的搜索。

還有一種情況就是如果搜索一個(gè)關(guān)鍵詞打開(kāi)網(wǎng)站以后，馬上把百度的搜索頁(yè)面關(guān)閉，這種效果是最好的，因?yàn)樗阉饕鏁?huì)判斷該用戶已經(jīng)找到了需求，不需要進(jìn)行相關(guān)搜索。所以在做點(diǎn)擊的時(shí)候一定要把控好，不要直接一上來(lái)就點(diǎn)擊自己的網(wǎng)站，可以先點(diǎn)擊排名好的網(wǎng)站，然后在找到自己的網(wǎng)站點(diǎn)擊，然后把停留時(shí)間放大或者直接關(guān)閉搜索頁(yè)面，這樣的點(diǎn)擊會(huì)變得更加的真實(shí)，讓搜索引擎給與網(wǎng)站點(diǎn)擊加分。

五、cookies值處理

搜索引擎會(huì)有一個(gè)訪客標(biāo)識(shí)碼(唯一性)，該訪客標(biāo)識(shí)碼會(huì)記錄用戶的點(diǎn)擊，并且訪客標(biāo)識(shí)碼是由cookie產(chǎn)生，尤其是在寬帶撥號(hào)不同IP的情況下需要注意，每一次點(diǎn)擊以后需要清空cookie值，但是不需要所有的點(diǎn)擊都清空，因?yàn)樗阉饕鏁?huì)記錄訪客標(biāo)識(shí)碼，如果訪客標(biāo)識(shí)碼全部都是新用戶容易產(chǎn)生作弊，所以偶爾可以不清空。(PS：訪客標(biāo)識(shí)碼可以在百度統(tǒng)計(jì)的流量數(shù)據(jù)來(lái)源看到，一般情況下，一臺(tái)電腦有一個(gè)唯一的訪客標(biāo)識(shí)碼)。

六、域名搜索

點(diǎn)擊搜索的時(shí)候?yàn)榱嗽黾雨P(guān)鍵詞的提升排名作用，域名相關(guān)搜索也會(huì)計(jì)算排名加分，

九、點(diǎn)擊時(shí)間段

相對(duì)來(lái)說(shuō)，點(diǎn)擊時(shí)間段最好集中在白天，晚上少許點(diǎn)擊，形成正常用戶點(diǎn)擊。

上面就是整個(gè)完整的點(diǎn)擊算法流程，

三、百度關(guān)鍵詞排名規(guī)則

百度排名基本算法如下。

1、點(diǎn)擊規(guī)則：我們進(jìn)入百度站長(zhǎng)平臺(tái)可以的【搜索關(guān)鍵詞】頁(yè)面，可以發(fā)現(xiàn)，出現(xiàn)關(guān)鍵詞展現(xiàn)量和點(diǎn)擊量，我可以肯定的得出一個(gè)結(jié)論，當(dāng)我們搜索某一個(gè)關(guān)鍵詞,當(dāng)一個(gè)頁(yè)面點(diǎn)擊量過(guò)高的時(shí)候，是非常容易參與良好的排名。

2、鏈接算法：鏈接算法主要包括SEO外鏈與內(nèi)鏈，其中SEO外鏈被搜索引擎列入站外對(duì)頁(yè)面投票的規(guī)則中，這就是我們經(jīng)常會(huì)看到交叉鏈接或者買(mǎi)賣(mài)鏈接的情況。

3、得分規(guī)則：能夠參與排名的原因肯定不是僅僅只是一個(gè)或者兩個(gè)原因就可以直接影響的，綜合得分才能使得網(wǎng)站排名靠前且穩(wěn)定。

綜合得分主要包括：頁(yè)面質(zhì)量得分、鏈接得分、SEO細(xì)節(jié)得分等各方面因素，

四、搜索排序評(píng)估方法：作為產(chǎn)品，這個(gè)你必須要了解

信息檢索領(lǐng)域兩個(gè)最基本指標(biāo)是召回率(Recall Rate)和準(zhǔn)確率(Precision Rate)，召回率也叫查全率，準(zhǔn)確率也叫查準(zhǔn)率，概念公式:

為了直觀的描述這兩個(gè)概念，我們用是否相關(guān)和是否被檢索到兩個(gè)維度的指標(biāo)來(lái)對(duì)每一次信息檢索之后的內(nèi)容分類。是否相關(guān)指內(nèi)容和檢索條件是不是相關(guān)，如檢索“酒店”，系統(tǒng)中所有的酒店內(nèi)容就是相關(guān)，而“美食”的內(nèi)容就是不相關(guān)的，一般情況下，相關(guān)的內(nèi)容就是理論上需要完全被檢索到的內(nèi)容，這個(gè)數(shù)值和檢索的策略或算法沒(méi)有關(guān)系。是否被檢索到是針對(duì)檢索結(jié)果的描述指標(biāo)，檢索完成后我們才能對(duì)系統(tǒng)內(nèi)容做是否被檢索到的區(qū)分，這個(gè)數(shù)值和檢索策略或算法相關(guān)。通過(guò)是否相關(guān)和是否被檢索到兩個(gè)維度的指標(biāo)，我們可以將檢索完成后的內(nèi)容分為四類，如下圖：

聯(lián)系圖表，召回率就是檢索到的相關(guān)內(nèi)容（A）在所有相關(guān)內(nèi)容中的比例（A+C），而準(zhǔn)確率就是檢索到的相關(guān)內(nèi)容（A）在所有檢索到的內(nèi)容（A+B）中的比例。

但是如何算圖1中的A、B、C、D呢？一般，這需要人工標(biāo)注，人工標(biāo)注數(shù)據(jù)需要較多時(shí)間且枯燥，如果僅僅是做實(shí)驗(yàn)可以用已知的場(chǎng)景來(lái)測(cè)試，比如我們已知搜索“A酒店”應(yīng)該出的搜索結(jié)果，那么我們就可以通過(guò)不同策略在搜索“A酒店”的表現(xiàn)來(lái)計(jì)算不同策略的A、B、C、D值，這種方式簡(jiǎn)便易行，能夠針對(duì)性的解決問(wèn)題，但是只能解決已知的問(wèn)題。當(dāng)然，還有一個(gè)辦法，找個(gè)一個(gè)比較成熟的算法作為基準(zhǔn)，用該算法的結(jié)果作為樣本來(lái)進(jìn)行比照，當(dāng)然這個(gè)方法也有點(diǎn)問(wèn)題，那就是我們無(wú)法得知天花板在哪里，也就是無(wú)法預(yù)知最佳效果如何。

在實(shí)際項(xiàng)目中，我們單方面追求準(zhǔn)確率和召回率都是不對(duì)的。準(zhǔn)確率和召回率是互相影響的，理想情況下肯定是做到兩者都高，但是一般情況下準(zhǔn)確率高、召回率就低；召回率低、準(zhǔn)確率高。如果是做搜索，那就是保證一定召回的情況下提升準(zhǔn)確率；如果做反垃圾、反作弊，則是保證一定準(zhǔn)確率的條件下，提升召回率。

一般情況，對(duì)同一個(gè)策略模型，用不同的閥值，可以統(tǒng)計(jì)出一組不同閥值下的精確率和召回率關(guān)系，我們稱之為P-R曲線，如下圖：

圖中橫坐標(biāo)是召回率，用R（Recall）表示；縱坐標(biāo)是準(zhǔn)確率，用P（Precision）表示。有時(shí)候，我們?cè)赑和R做出平衡，因此我們需要用一個(gè)值來(lái)體現(xiàn)策略在P值和R值兩方面的整體表現(xiàn)。最普通也最容易理解的是F1值，F(xiàn)1值的計(jì)算公式如下：

用F1值來(lái)體現(xiàn)準(zhǔn)確率和召回率的綜合表現(xiàn)非常直觀且易于理解，但是也有一個(gè)明顯的缺陷，F(xiàn)1值的計(jì)算中，P和R的權(quán)重是一樣的，也就是對(duì)召回和準(zhǔn)確的要求是一樣。在大多數(shù)情況下，我們?cè)谡倩芈屎蜏?zhǔn)確率上有不同的要求，因而我們也常用F2和F0.5來(lái)評(píng)價(jià)策略的效果，F(xiàn)2 = 5P * R / (4P + R)，表示更重視召回率，F(xiàn)0.5（F2 = 1.25P * R / (0.25P + R)，表示更重視準(zhǔn)確率。

前面給大家介紹了F值，細(xì)究不難發(fā)現(xiàn)，它只能表示單點(diǎn)的效果而無(wú)法表示策略的整理效果，下面介紹的內(nèi)容，將是一些能評(píng)估策略整體效果的評(píng)估方法。

ROC的全名叫做Receiver Operating Characteristic，是評(píng)價(jià)分類器（需要說(shuō)明）的指標(biāo)，一般分類識(shí)別相關(guān)的策略我們使用ROC值來(lái)評(píng)價(jià)。我們用上面第一個(gè)圖的方式來(lái)說(shuō)明這個(gè)值，我們將ABCD稍作變換如下圖：

正確正例（True Positive，TP）表示將正例（預(yù)測(cè)）分為正例的內(nèi)容；錯(cuò)誤正例（False Positive，F(xiàn)P）表示將負(fù)例分為正例的內(nèi)容；錯(cuò)誤反例（False Negtive，F(xiàn)N）將正例分為負(fù)例的內(nèi)容；正確負(fù)例（True Negtive，TN）表示將負(fù)例分為負(fù)例的內(nèi)容。其中，ROC關(guān)注兩個(gè)指標(biāo)：

ROC的主要分析方法是一個(gè)畫(huà)在ROC空間的曲線（ROC curve）：在ROC 空間中，每個(gè)點(diǎn)的橫坐標(biāo)是FPR，縱坐標(biāo)是TPR，這也就描繪了分類器在TP（真正的正例）和FP（錯(cuò)誤的正例）間的平衡關(guān)系。我們知道，對(duì)于二值分類問(wèn)題，實(shí)例的預(yù)測(cè)值往往是連續(xù)值，我們通過(guò)設(shè)定一個(gè)閾值，將實(shí)例分類到正類或者負(fù)類。比如我們通過(guò)數(shù)據(jù)挖掘計(jì)算酒店不接待客戶的預(yù)測(cè)值是一個(gè)0-1的分布，然后設(shè)定一個(gè)閾值0.5，如果大于0.5，我們則認(rèn)為酒店存在不接待用戶的情況。因此我們可以變化閾值，根據(jù)不同的閾值進(jìn)行分類，然后根據(jù)分類結(jié)果計(jì)算的TPR值和FPR值得到ROC空間中相應(yīng)的點(diǎn)，連接這些點(diǎn)就形成ROC曲線。ROC曲線會(huì)經(jīng)過(guò)（0,0）（1,1）兩個(gè)點(diǎn)，實(shí)際上(0, 0)和(1, 1)連線形成的ROC曲線代表的是一個(gè)隨機(jī)分類器。一般情況下，這個(gè)曲線都應(yīng)該處于(0, 0)和(1, 1)連線的上方，否則，分類器的策略就是有問(wèn)題的。

用ROC curve來(lái)表示分類器的效果很直觀好用，也能夠觀測(cè)在不同TPR和FPR下分類策略的表現(xiàn)。但是，我們?nèi)匀幌Ｍ軌蛴靡粋€(gè)特定的值來(lái)表示分類器策略的好壞，于是Area Under roc Curve(AUC)就出現(xiàn)了。顧名思義，AUC的值就是處于ROC曲線下方的那部分面積的大小。

可以預(yù)見(jiàn)的是，AUC的值介于0.5（隨機(jī)分類器的AUC值）到1.0之間，通常情況下，我們認(rèn)為較大的AUC代表了較好的效果。

MAP也是評(píng)估檢索策略效果的方式之一，與AUC不同的是，除了考慮召回結(jié)果的整體準(zhǔn)確率之外，MAP也考量召回結(jié)果條目的順序。MAP是Mean Average Precision@K的縮寫(xiě)，要了解MAP，我們需要逐步了解Prec@K和AP@K的概念。

Prec@K表示設(shè)定一個(gè)閾值K，在檢索結(jié)果到第K個(gè)正確召回為止，排序結(jié)果的相關(guān)度。假設(shè)某次的檢索結(jié)果如下：

注：綠色表示搜索結(jié)果與搜索詞相關(guān)，紅色表示不相關(guān)。

在這個(gè)案例中Prec@1=1、Prec@3=2/3、Prec@5=3/5。也許你已經(jīng)發(fā)現(xiàn)了，Prec@K也只能表示單點(diǎn)的策略效果，為了體現(xiàn)策略的整體效果，我們需要使用AP@K。

Average Precision@K是指到第K個(gè)正確的召回為止，從第一個(gè)正確召回到第K個(gè)正確召回的平均正確率。下面我們用兩個(gè)排序案例來(lái)理解AP@K。假設(shè)存在以下兩個(gè)排序，我們直觀的理解，結(jié)果1是優(yōu)于結(jié)果2的，那么這種優(yōu)劣會(huì)如何體現(xiàn)在AP@K值中呢？

對(duì)于結(jié)果1，AP@K=(1.0+0.67+0.75+0.8+0.83+0.6)/6=0.78，對(duì)于結(jié)果2，AP@K=(0.5+0.4+0.5+0.57+0.56+0.6)/6=0.52，可以看到，效果優(yōu)的排序結(jié)果的AP@K值大于效果劣的那一組。

對(duì)于一次查詢，AP@K值可以判斷優(yōu)劣，但是如果涉及到一個(gè)策略在多次查詢的效果，我們需要引入另一個(gè)概念MAP@K（Mean Average Precision@K），簡(jiǎn)單的說(shuō)，MAP@K的計(jì)算的是搜索查詢結(jié)果AP@K值的均值。假設(shè)某個(gè)策略在兩個(gè)不同查詢下的輸出結(jié)果如下：

在以上案例中，查詢1的AP@K=(1.0+0.67+0.5+0.44+0.5)/5=0.62，查詢的2的AP@K=(0.5+0.4+0.43)/3=0.44，則我們計(jì)算這個(gè)策略的MAP@K=(0.62+0.44)/2=0.53。對(duì)使用MAP@K進(jìn)行評(píng)估的系統(tǒng)，我們認(rèn)為MAP@K值較高的策略效果更好。

搜索引擎一般采用PI（per item）的方式進(jìn)行評(píng)測(cè)。簡(jiǎn)單地說(shuō)就是逐條對(duì)搜索結(jié)果進(jìn)行分等級(jí)的打分，回顧MAP指標(biāo)，我們對(duì)每個(gè)條目的值是的評(píng)價(jià)是用0或1表示，相較于MAP指標(biāo)，D CG能夠讓我們讓多值指標(biāo)來(lái)評(píng)價(jià)。

在DCG指標(biāo)的計(jì)算中，假設(shè)我們現(xiàn)在在谷歌上搜索一個(gè)詞，然后得到5個(gè)結(jié)果。我們可以對(duì)這些結(jié)果進(jìn)行3個(gè)等級(jí)的區(qū)分：Good（好）、Fair（一般）、Bad（差），然后賦予他們分值分別為3、2、1，假定通過(guò)逐條打分后，得到這5個(gè)結(jié)果的分值分別為3、2 、1 、3、 2。如果要我們?cè)u(píng)價(jià)這次查詢的效果，可以用Cumulative Gain值來(lái)評(píng)估。

CG是在這個(gè)查詢輸出結(jié)果里面所有的結(jié)果的等級(jí)對(duì)應(yīng)的得分的總和。如一個(gè)輸出結(jié)果頁(yè)面有P個(gè)結(jié)果，CG被定義為：

不難看出，CG并不考慮在搜索結(jié)果的排序信息，CG得分高只能說(shuō)明這個(gè)結(jié)果頁(yè)面總體的質(zhì)量比較高并不能說(shuō)明這個(gè)算法做的排序好或差。在上面谷歌的例子中，CG=3+2+1+3+2=11，如果調(diào)換第二個(gè)結(jié)果和第三個(gè)結(jié)果的位置CG=3+1+2+3+2=11，并沒(méi)有改變總體的得分。

因此，如果我們要評(píng)估返回結(jié)果質(zhì)量還要考量輸出排序的話。首先，我們要說(shuō)明什么是好的排序？一般來(lái)說(shuō)，好的排序要把Good的結(jié)果排到Fair結(jié)果上面、Fair結(jié)果排到Bad結(jié)果上面，如果有Bad的結(jié)果排在了Good上面，那當(dāng)然排序就不好了。

在一個(gè)搜索結(jié)果列表里面，比如有兩個(gè)結(jié)果的打分都是Good，但是有一個(gè)是排在第1位，還有一個(gè)是排在第40位，雖然這兩個(gè)結(jié)果一樣都是Good，但是排在第40位的那個(gè)結(jié)果因?yàn)楸挥脩艨吹降母怕适潜容^小的，他對(duì)這整個(gè)搜索結(jié)果頁(yè)面的貢獻(xiàn)值是相對(duì)排在第一位那個(gè)結(jié)果來(lái)得小的。

為了能夠完成評(píng)估排序的目的，我們需要采用DCG（Discounted Cumulative Gain）值。

DCG的思想比較容易理解，等級(jí)比較高的結(jié)果卻排到了比較后面，那么在統(tǒng)計(jì)分?jǐn)?shù)時(shí)，就應(yīng)該對(duì)這個(gè)結(jié)果的得分有所打折。一個(gè)有P（P≥2）個(gè)結(jié)果的搜索結(jié)果頁(yè)面的DCG定義為：

為什么要用以2為底的對(duì)數(shù)函數(shù)？這個(gè)并沒(méi)有明確的科學(xué)依據(jù)，大概是根據(jù)大量的用戶點(diǎn)擊與其所點(diǎn)內(nèi)容的位置信息，模擬出一條衰減的曲線。

那么在上面百度的例子中：DCG=3+(1+1.26+1.5+0.86)=7.62。但是DCG在評(píng)估策略效果的過(guò)程中，因?yàn)椴煌阉髂Ｐ徒o出的結(jié)果有多有少，仍然會(huì)造成無(wú)法對(duì)比兩個(gè)模型的效果。為了避免這種情況，我們進(jìn)一步優(yōu)化這個(gè)指標(biāo)，成為nDCG（normalize DCG），顧名思義，就是將一個(gè)策略的效果標(biāo)準(zhǔn)歸一化，以方便不同策略的效果對(duì)比。公式如下：

公式中的iDCG（ideal DCG）就是理想的DCG。iDCG如何計(jì)算？首先要拿到搜索的結(jié)果，然后對(duì)這些結(jié)果進(jìn)行排序，排到最好的狀態(tài)后，算出這個(gè)排列下的DCG，就是iDCG。因此nDCG是一個(gè)0-1的值，nDCG越靠近1，說(shuō)明策略效果越好，或者說(shuō)只要nDCG<1，策略就存在優(yōu)化調(diào)整空間。因?yàn)閚DCG是一個(gè)相對(duì)比值，那么不同的搜索結(jié)果之間就可以通過(guò)比較nDCG來(lái)決定哪個(gè)排序比較好。在上面的例子中，理想的排序應(yīng)該是3 、3 、2 、2 、1，那么iDCG=3+3+1.26+1+0.43=8.69，nDCG=DCG/iDCG=7.62/8.69=0.88。

以上給大家介紹一些常見(jiàn)的評(píng)價(jià)方式，但是這幾種評(píng)估方式并不一定能覆蓋所有場(chǎng)景，一般情況下，我們需要根據(jù)自己的需要適當(dāng)?shù)膶?duì)這些評(píng)估方式做些許的改進(jìn)來(lái)更加符合具體場(chǎng)景的要求，比如在nDCG中調(diào)整評(píng)分的層級(jí)或分?jǐn)?shù)，甚至根據(jù)自身用戶的特征調(diào)整衰減函數(shù)的計(jì)算方式等等。但在所有的評(píng)估改進(jìn)中，一般無(wú)法忽略召回率、正確率和排序三個(gè)基本維度的效果。我們不能照搬前人成果，活學(xué)活用，才是產(chǎn)品經(jīng)理應(yīng)該做的事情。

以上就是關(guān)于搜索排名得分怎么算相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。