Mean Rank 和Mean reciprocal rank

1.先说Mean rank

首先 对于每个 testing triple，以预测tail entity为例，我们将（h,r,t）中的t用知识图谱中的每个实体来代替，然后通过fr（h,t）函数来计算分数，这样我们可以得到一系列的分数，之后按照 升序将这些分数排列。

然后，我们需要知道的是f函数值是越小越好，那么在上个排列中，排的越前越好。

现在重点来了，我们去看每个 testing triple中正确答案也就是真实的t到底能在上述序列中排多少位，比如说t1排100，t2排200，t3排60…，之后对这些排名求平均，Mean rank就得到了。

2.Hit10

还是按照上述进行f函数值排列，然后去看每个testing triple正确答案是否排在序列的前十，如果在的话就计数+1

最终 排在前十的个数/总个数 就是Hit@10

上述就是个人理解，不知道对不对，目前也没有资料确认，所以如果有大佬看到愿意搭救一把，感激不尽，临表涕零！

3.MRR
是一个国际上通用的对搜索算法进行评价的机制，即第一个结果匹配，分数为1，第二个匹配分数为0.5，第n个匹配分数为1/n，如果没有匹配的句子分数为0。最终的分数为所有得分之和。