爱华网召回率(Recall)和精度(Precise)是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。其中召回率是是检索出的相关文档数和文档库中所有的相关文档数的比率。
召回率_召回率 -简介
计算公式召回率(Recall)和精度(Precise)是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。其中召回率是是检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率。精度是检索出的相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率。
召回率_召回率 -计算公式
召回率和精度示意图假定：从一个大规模数据集合中检索文档的时，可把文档分成四组：
系统检索到的相关文档（A）
系统检索到的不相关文档（B）
相关但是系统没有检索到的文档（C）
相关但是被系统检索到的文档（D）
召回率Ｒ：用检索到相关文档数作为分子，所有相关文档总数作为分母，即R = A / ( A + C )
精度Ｐ：用检索到相关文档数作为分子，所有检索到的文档总数作为分母．即P = A / ( A + B ).
召回率_召回率 -示例
一个数据库有500个文档，其中有50个文档符合定义的问题。系统检索到75个文档，但是只有45个符合定义的问题。
召回率R=45/50=90%
精度P=45/75=60%
本例中，系统检索是比较有效的，召回率为90%。但是结果有很大的噪音，有近一半的检索结果是不相关。研究表明：在不牺牲精度的情况下，获得一个高召回率是很困难的。
召回率_召回率 -备注
对于一个检索系统来讲，召回率和精度不可能两全其美：召回率高时，精度低，精度高时，召回率低。对于搜索引擎系统来讲，它可以通过搜索更多更多的结果来查到更多相关结果，从而提高召回率(查全率)，但也会导致查到更多不相关结果，从而降低了搜索精度(查准率)。因为没有一个搜索引擎系统能够搜集到所有的WEB网页，所以召回率很难计算。所以一般来说，不会单独的使用召回率或精度，而是在其中一个值固定的基础上，讨论另一个值。如当召回率为60%时的精度值变化情况。目前的搜索引擎系统都非常关心精度。所以常常用11种召回率下11种精度的平均值来衡量一个检索系统的精度。
我们也可以将这两个度量值融合成一个度量值，如F度量(F-measure）。
