Der Anteil aller als relevant bewerteten Dokumente für eine gegebene Anfrage oder ein Informationsbedürfnis in einer definierten Sammlung, die vom Suchsystem unter einer festgelegten Relevanzbeurteilung und Ergebnisschwelle erfolgreich zurückgegeben werden.

Prinzip

Recall misst die Abdeckung relevanter Materialien: Um den Recall zu erhöhen, muss ein größerer Anteil der relevanten Dokumente zurückgegeben werden, was oft zulasten der Präzision geht, sofern die Retrieval-Qualität nicht verbessert wird.

Demonstration

Illustratives Szenario: In einer geschlossenen Sammlung sind 100 Dokumente als relevant markiert; ein Retrieval liefert 80 dieser Dokumente innerhalb des Cutoffs → Recall = 0,80; Erkenntnis: Das System deckt 80 % der bekannten relevanten Dokumente unter den definierten Bedingungen ab; Maßnahme: Entwickler optimieren Indexierung oder Query Expansion, um mehr relevante Dokumente zu erfassen.

Fehlanwendung

Zu glauben, hoher Recall allein bedeutet gute Gesamtleistung oder Nutzerzufriedenheit; der Fehler besteht darin, Präzision, Ranking und die Toleranz der Nutzer gegenüber irrelevanten Treffern zu vernachlässigen.

Konsequenz

Ein System mit höherem Recall verringert das Risiko, relevante Dokumente zu übersehen und ist für auf Vollständigkeit angewiesene Aufgaben (z. B. systematische Reviews) vorteilhaft; es kann jedoch das Volumen zu prüfender irrelevanter Treffer erhöhen.

Umkehrung

Recall ist nicht berechenbar oder sinnvoll, wenn die Menge relevanter Dokumente undefiniert ist (z. B. offene Websuche) oder wenn Relevanz graduell ist und kein gemeinsamer Schwellenwert vereinbart wurde.

Abgrenzung

Klar innerhalb: Bewertung in einer geschlossenen Testsammlung mit extern definiertem relevanten Dokumentensatz. Grenzfall: interaktive Suche mit sich verändernder Nutzerintention — Recall‑Schätzungen werden ungenau. Klar außerhalb: Ranglistenqualitätsmaße, die graduelle Relevanz und Position berücksichtigen (z. B. NDCG) statt einfachem Recall.

Semantische Spannung

Recall (Abdeckung relevanter Items) ↔ Precision (Genauigkeit der zurückgegebenen Items); mehr zurückgefundene relevante Items führt ohne Gegenmaßnahmen oft zu geringerer Präzision.

Synthese

Recall misst den Anteil relevanter Items, den ein System unter definierten Bedingungen zurückgibt; für abdeckungsorientierte Aufgaben ist er zentral, muss jedoch zusammen mit Präzision, Rankingqualität und Durchsichtbarkeit beurteilt werden.