정보 검색 평가 지표 ( + RAGAS)

https://amitness.com/posts/information-retrieval-evaluation 글을 읽고 정리한 문서입니다.

지표의 목적

상위 N 결과가 얼마나 우수한지 어떻게 평가할 것 인가?

Binary relevance

• 문서에 대한 관련성을 "있다 혹은 없다" 로만 판단한다.
• 현재 Ranking model 이 query 에 대해서 5개의 각각의 문서 관련도는 `[1, 0, 1, 0, 1]` 로 나타낼 수 있다. (*binary*)

Order-unaware metrics

Precision@k

$$
Precision@k = \frac{ true\ positives@k}{(true\ positives@k) + (false\ positives@k)}
$$

• 이 메트릭은 상위 K 결과의 관련 항목 수를 정량화합니다.
• 추출된 k 랭크 문서 중에서 관련 있는 문서의 갯수

예시) Precision@2

Recall@k

$$
Recall@k = \frac{ true\ positives@k}{(true\ positives@k) + (false\ negatives@k)}
$$

• 이 메트릭은 쿼리에 대한 모든 실제 관련 결과 중에서 몇 개의 실제 관련 결과가 표시되었는지 알려줍니다.
• 전체 관련 있는 문서 갯수 중에서 k 랭크 내에 추출된 관련 있는 문서의 갯수

예시) Recall@2

참고: Precision 과 Recall 의 집합관계

• A = 모델에서 문서가 관련 있다고 예측한 영역 (예측)
• B = 실제 관련 있는 문서가 있는 영역 (정답)
• b 영역 = True Positive 로 모델이 추출한 관련 문서 중 실제 관련 있는 문서가 있었던 영역

모델이 반환한 결과 중에서 실제 관련도 있는 문서를 추출한 비율이 precision, 실제 관련 있는 문서 목록 중 model 이 올바르게 문서를 추출한 비율이 recall 이라고 할 수 있다.

F1@k

$$
F1@k = \frac{2*(Precision@k) * (Recall@k)}{(Precision@k) + (Recall@k)}
$$

• precision 과 Recall 의 조화평균으로 계산한다.
• 조화 평균은 산술 평균보다 비중의 평균을 계산할 때 더 직관적이다. precision 과 recall 모두 중요한 값이기 때문에, 두 값 모두 높을 때 랭킹 모델의 성능이 더 좋다고 말할 수 있다. 따라서 두 값이 조화롭게 좋을 때 가장 높은 조화 평균을 사용한다.
  • The truth of the F-measure

참고. 조화평균

개별 데이터의 역수의 평균에 대한 역수이다.

조화 평균은 비율의 평균을 계산하는 데 자주 사용되는데, 각 데이터의 가중치가 동일하기 때문에 비율에 대한 가장 적절한 측정이다.

예를 들어, 산술 평균은 큰 데이터 에 높은 가중치를 부여되고 기하 평균은 작은 데이터 요소에 낮은 가중치를 부여되는데 비해 조화평균은 전체적으로 동일한 가중치가 부여된다.

다음 표는 산술평균은 모두 같게 평가되지만, 조화평균은 각각 다름을 알 수 있다.

A	B	산술평균	조화평균
10	0	5	0
9	1	5	1.8
8	2	5	3.2
7	3	5	4.2
6	4	5	4.8
5	5	5	5
4	6	5	4.8
3	7	5	4.2
2	8	5	3.2
1	9	5	1.8
0	10	5	0

조화평균은 표에서 확인할 수 있는 것처럼, 두 값이 조화롭게 존재할 때 가장 높게 평가된다 (산술 평균과 같다). 또한 산술평균에 비해 큰 비중이 끼치는 편향이 줄어든다고 볼 수 있다.

Order-aware metrics

Mean Reciprocal Rank(MRR, Rank 역수 평균)

$$
MRR = \frac{1}{|Q|} \sum_{i=1}^{|Q|} \frac{1}{rank_{i}}
$$

where:

• $|Q|$ denotes the total number of queries
• $rank_{i}$ denotes the rank of the first relevant result
• 이 메트릭은 시스템이 가장 적절한 항목을 반환하고 해당 항목이 더 높은 위치에 있기를 원할 때 유용합니다.

Average Precision(AP, Precision 평균)

$$
AP = \frac{\sum_{k=1}^{n} (P(k) * rel(k))}{number\ of\ relevant\ items}
$$

where:

• $rel(k)$ is an indicator function which is 1 when the item at rank K is relevant.
• $P(k)$ is the $Precision@k$ metric
• Average Precision은 모델이 선택한 모든 실측 관련 항목의 순위가 더 높은지 여부를 평가하는 지표입니다. MRR과 달리 모든 관련 항목을 고려합니다.

Example 1)

Example 2)

Mean Average Precision

$$
MAP = \frac{1}{Q} \sum_{q=1}^{Q} AP(q)
$$

where

• $Q$ is the total number of queries
• $AP(q)$ is the average precision for query $q$.
• 여러 쿼리에 걸쳐 평균 정밀도를 평가하려면 MAP를 사용할 수 있습니다.

RAGAS 에서 측정하고 있는 지표

Context Utilization (Context Precision)

https://docs.ragas.io/en/latest/concepts/metrics/context_precision.html
** context utilization 은 context precision 에서 ground truth 가 아닌 llm 답변을 사용하는 지표이다.

• 답변을 정답이라고 가정했을 때, 반환된 context 에서 관련된 문서가 높게 랭킹되었는 지를 수치화한다.
• retriever 의 성능 지표로 사용

$$
\text{Context Precision@K} = \frac{\sum_{k=1}^{K} \left( \text{Precision@k} \times v_k \right)}{\text{Total number of relevant items in the top } K \text{ results}}
$$

$$
\text{Precision@k} = {\text{true positives@k} \over (\text{true positives@k} + \text{false positives@k})}
$$

where:

• $K$ 는 context 내 Chunk 수
• $v_k \in {0, 1}$ 은 $k$ 랭크에 위치한 문서가 관련되어 있는 지 없는 지를 나타내는 지표이다.

Answer Relevancy

https://docs.ragas.io/en/latest/concepts/metrics/answer_relevance.html

• 답변에 기반하여 생성한 질문들의 Embedding vector 와 실제 질문의 embedding vector 를 cosine similarity 로 비교하여 연관도를 측정한다.

$$
\text{answer relevancy} = \frac{1}{N} \sum_{i=1}^{N} cos(E_{g_i}, E_o)
$$

$$
\text{answer relevancy} = \frac{1}{N} \sum_{i=1}^{N} \frac{E_{g_i} \cdot E_o}{|E_{g_i}||E_o|}
$$

Context Relevancy

https://docs.ragas.io/en/latest/concepts/metrics/context_relevancy.html

• context 에 포함된 문장이 답변과 얼마나 연관되어 있는 지를 나타낸다.

$$
\text{context relevancy} = {|S| \over |\text{Total number of sentences in retrieved context}|}
$$

참고 링크

• https://sumniya.tistory.com/26
• https://amitness.com/posts/information-retrieval-evaluation#mean-average-precisionmap