Как устроен NDCG@K и что именно даёт нормировка?

DCG@K = Σ_{i=1..K} (2^rel_i − 1) / log2(i + 1): полезность объекта делится на логарифм позиции, поэтому вклад падает с глубиной, а показатель степени в числителе резко поднимает вес сильных сигналов. IDCG@K — то же самое для идеального порядка. NDCG = DCG / IDCG. Нормировка нужна, чтобы усреднять по пользователям с разным числом релевантных объектов: без неё пользователь с двадцатью покупками всегда даст больший DCG, чем пользователь с двумя, и среднее будет мерять активность аудитории, а не работу модели. NDCG — стандарт, когда у релевантности есть градации.