Ein Informationsabrufmetriks, definiert als arithmetisches Mittel über eine Menge von Anfragen der Kehrwerte der Rangposition des ersten als relevant beurteilten Ergebnisses pro Anfrage. Ränge beginnen bei 1; wird für eine Anfrage kein relevantes Ergebnis geliefert, trägt diese Anfrage null bei (oder wird konventionell ausgeschlossen).

Prinzip

MRR misst die Zeit/bemühung bis zum ersten Erfolg in einer Rangliste: der Wert wird vom Rang des ersten relevanten Ergebnisses dominiert und fällt proportional zu 1/Rang.

Demonstration

Illustratives Beispiel → Drei Anfragen mit ersten relevanten Ergebnissen auf Rang 1, 3 und keiner. Kehrwerte: 1/1 = 1, 1/3 ≈ 0,333, 0. MRR = (1 + 0,333 + 0) / 3 ≈ 0,444.

Fehlanwendung

MRR fälschlich als Maß für die Gesamtqualität zu verwenden, wenn mehrere relevante Dokumente pro Anfrage wichtig sind. Es ist ein Fehler, aus hohem MRR zu schließen, das System liefere viele relevante Treffer früh — MRR betrachtet nur den ersten Treffer.

Konsequenz

Die Optimierung auf MRR veranlasst Systeme, mindestens ein relevantes Ergebnis möglichst weit oben zu platzieren, was die Zeit bis zur Lösung verkürzen kann, jedoch nicht die Bereitstellung weiterer relevanter Dokumente fördert.

Umkehrung

Bei Anforderungen an graduelle Relevanz, mehrere relevante Ergebnisse, Diversität oder kumulative Nützlichkeit ist MRR ungeeignet; stattdessen sind MAP, nDCG oder diversitätsbewusste Metriken angebracht.

Abgrenzung

Eindeutig innerhalb: binäre Relevanzaufgaben, bei denen der erste relevante Treffer pro Anfrage im Mittelpunkt steht. Randfall: Anfragen mit mehreren gleichwertigen Antworten, bei denen ein First‑Hit‑Maß nur teilweise Zufriedenheit abbildet. Eindeutig außerhalb: Bewertungen mit gradueller Relevanz, Aufgaben mit Bedarf an hohem Recall oder Diversitätszielen.

Semantische Spannung

MRR ↔ MAP/nDCG — Spannung zwischen der Priorisierung des ersten relevanten Treffers (MRR) und der Optimierung der Gesamtqualität bzw. graduellen Relevanz (MAP, nDCG).

Synthese

MRR ist eine knappe, auf den ersten Treffer fokussierte Metrik: geeignet, wenn das Ziel ist, den Rang des ersten korrekten Ergebnisses zu minimieren; ungeeignet, wenn zusätzliche relevante Treffer oder graduelle Relevanz gefragt sind.