Recall @ K (Exhaustividad)

Porcentaje de todos los documentos verdaderamente relevantes que el sistema logra recuperar en los primeros K resultados.

RecallExhaustividadEvaluationGround TruthRetrieval Metrics

Definición Técnica & Formal

Recall@K mide la capacidad de cobertura del motor de búsqueda o RAG. Si en la base de datos existen 5 documentos correctos para una consulta y el sistema devuelve 4 de ellos dentro del Top-K, el Recall es del 80% (4/5 = 0.8).

Puntos Clave & Aplicaciones

Crítico en aplicaciones donde omitir información es peligroso (médico, legal, auditorías).

En búsqueda vectorial (ANN), el Recall incrementa al aumentar efSearch (HNSW) o nprobe (IVF).

Se complementa con la Precisión y el MRR para una evaluación integral.

Intuición Visual para Mente Gráfica

"Si en un pajar hay 10 agujas de oro y la búsqueda logra rescatar 8 dentro del primer puñado, tu Recall es de 8/10 (80%)."

💡 Tip: Puedes presionar el botón "Dibujar / Apuntes" en la barra superior para hacer anotaciones gráficas sobre este diagrama.

Fórmula Matemática

Recall@K = (Documentos Relevantes Recuperados en Top-K) / (Total de Documentos Relevantes Existentes)

Demostración Visual e Interactiva

Interactúa con los controles para simular dinámicamente el funcionamiento de Recall @ K (Exhaustividad).

Ejemplo de Código & Demostración

python

def calculate_recall_at_k(retrieved_ids, gold_relevant_ids, k=5):
    retrieved_k = set(retrieved_ids[:k])
    relevant_found = retrieved_k.intersection(set(gold_relevant_ids))
    return len(relevant_found) / len(gold_relevant_ids)

# Ejemplo: 3 encontrados de 4 relevantes -> Recall@5 = 0.75
print("Recall@5:", calculate_recall_at_k(["d1", "d3", "d5", "d7", "d9"], ["d1", "d3", "d4", "d9"], k=5))

💡 Cálculo de Recall@K comparando los elementos recuperados contra el Gold Dataset.

Conceptos Relacionados

Benchmark & Rendimiento de Índices

Proceso de evaluación cuantitativa del balance entre latencia (QPS) y precisión (Recall@K) en índices de búsqueda.

Gold Dataset (Ground Truth)

Conjunto de datos de prueba de referencia dorada verificado por expertos humanos para benchmarking.

Hit Rate @ K

Porcentaje de consultas donde al menos un documento correcto de la referencia está en los primeros K resultados.

MRR (Mean Reciprocal Rank)

Promedio del recíproco de la posición de la PRIMERA respuesta relevante recuperada.