DCG‐IV
分子式: | C7H9NO6 |
その他の名称: | DCG-IV、(S)-2-[(2R,3R)-2,3-Dicarboxycyclopropyl]glycine、(1R,2R)-3α-[(S)-1-Amino-2-hydroxy-2-oxoethyl]-1,2-cyclopropanedicarboxylic acid、2-(2β,3α-Dicarboxycyclopropane-1α-yl)-L-glycine、(1R)-3-[(S)-1-Amino-2-hydroxy-2-oxoethyl]cyclopropane-1β,2α-dicarboxylic acid、DCG-4、(2S)-2-(2β,3α-Dicarboxycyclopropane-1α-yl)glycine、(1R)-3α-[(S)-1-Amino-2-oxo-2-hydroxyethyl]cyclopropane-1β,2α-dicarboxylic acid、3α-[(1S)-1-Amino-2-oxo-2-hydroxyethyl]cyclopropane-1β,2α-dicarboxylic acid、3β-[(S)-Amino(carboxy)methyl]cyclopropane-1β,2α-dicarboxylic acid、(1R)-3α-[(S)-Aminocarboxymethyl]cyclopropane-1β,2α-dicarboxylic acid、(2S)-2-Amino-2-[(2R,3R)-2,3-biscarboxycyclopropyl]acetic acid、DCGIV、(1β,αS)-α-Amino-2β,3α-dicarboxycyclopropaneacetic acid、DCG |
体系名: | (1R,2R)-3-[(S)-1-アミノ-2-オキソ-2-ヒドロキシエチル]シクロプロパン-1,2-ジカルボン酸、2-[(2R,3R)-2,3-ジカルボキシシクロプロピル]-L-グリシン、(2S)-2-アミノ-2-[(2R,3R)-2,3-ジカルボキシシクロプロピル]酢酸、(2S)-2-[(2R,3R)-2,3-ジカルボキシシクロプロピル]グリシン、(S)-2-[(2R,3R)-2,3-ジカルボキシシクロプロピル]グリシン、(1R,2R)-3α-[(S)-1-アミノ-2-ヒドロキシ-2-オキソエチル]-1,2-シクロプロパンジカルボン酸、2-(2β,3α-ジカルボキシシクロプロパン-1α-イル)-L-グリシン、(1R)-3-[(S)-1-アミノ-2-ヒドロキシ-2-オキソエチル]シクロプロパン-1β,2α-ジカルボン酸、(2S)-2-(2β,3α-ジカルボキシシクロプロパン-1α-イル)グリシン、(1R)-3α-[(S)-1-アミノ-2-オキソ-2-ヒドロキシエチル]シクロプロパン-1β,2α-ジカルボン酸、3α-[(1S)-1-アミノ-2-オキソ-2-ヒドロキシエチル]シクロプロパン-1β,2α-ジカルボン酸、3β-[(S)-アミノ(カルボキシ)メチル]シクロプロパン-1β,2α-ジカルボン酸、(1R)-3α-[(S)-アミノカルボキシメチル]シクロプロパン-1β,2α-ジカルボン酸、(2S)-2-アミノ-2-[(2R,3R)-2,3-ビスカルボキシシクロプロピル]酢酸、(1β,αS)-α-アミノ-2β,3α-ジカルボキシシクロプロパン酢酸 |
DCG
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2023/12/18 01:53 UTC 版)
DCG(減損累積利得、げんそんるいせきりとく、Discounted cumulative gain)は、ランキング品質の評価指標である。情報検索において、DCG はウェブ検索エンジンのアルゴリズムや情報検索に関連したアプリケーションの適合性に対する有用性を評価するために使用される。DCG は検索エンジンの検索結果に含まれる文書の適合性を段階的に評価することで、検索結果リストにおける文書の位置(順位)によって、その文書の有用性、すなわち利得を測定する。この利得は、結果リストの上位から下位に向かって累積され、下位の文書ごとに各結果までの利得が割り引かれる[1]。
- ^ a b カレルヴォ・ジェルベリン 2002, pp. 422–446.
- ^ a b ブルース・クロフト; ドナルド・メッツラー; トレバー・ストローマン (2010) (英語). Search Engines: Information Retrieval in Practice. Addison Wesley
- ^ イーニン・ワン; リーウェイ・ワン; ユアンジ・リー; ディ・へ; ウェイ・チェン; 刘铁岩 [in 英語] (2013年). A Theoretical Analysis of Normalized Discounted Cumulative Gain (NDCG) Ranking Measures. In Proceedings of the 26th Annual Conference on Learning Theory (COLT 2013).
- ^ クリス・バージェス; タル・シャクド; エリン・レンショー; アリ・レイジー; マット・ディーズ; ニコル・ハミルトン; グレッグ・ハレンダー (2005). Learning to rank using gradient descent. In Proceedings of the 22nd international conference on Machine learning (ICML '05). New York, NY, USA: ACM. pp. 89–96. doi:10.1145/1102351.1102363。
- ^ 数原良彦『多様な情報源に対するランキング学習に関する研究』(博士(工学)論文・理工学研究科専攻)慶應義塾大学大学院理工学研究科、2014年、7-8頁。学位授与番号: 甲第4137号。
- ^ “Introduction to Information Retrieval - Evaluation” (英語). Stanford University (2013年4月21日). 2014年3月23日閲覧。
- ^ 酒井哲也 2015, p. 34.
- ^ “Normalized Discounted Cumulative Gain”. 2014年3月23日時点のオリジナルよりアーカイブ。2014年3月23日閲覧。
- ^ 酒井哲也 2015, pp. 32–34.
- ^ カレルヴォ・ジェルベリン 2002, pp. 426–427, 435–445.
- ^ クリス・バージェス (2005年8月). “Learning to Rank using Gradient Descent” (PDF) (英語). 2022年6月14日閲覧。
「DCG」の例文・使い方・用例・文例
- DCGのページへのリンク