Recall@k 对推荐系统目标数量的依赖性

Question

我在理解 recall@k 作为推荐系统的评估指标时遇到了一些重大问题。 给定一组相关项目，这些项目都同样相关，例如[0,1,2,3,4,5,6,7,8,9] 我想通过

计算recall@k

recall@k = #revelvant items in first k preds / #relevant items

通过使用这个定义，即使我的推荐系统会输出一组完美的推荐，即推荐等于目标，它仍然会被评估为低召回率。在我的例子中是：
召回@1 = 1/10 = 0.1
召回@2 = 2/10 = 0.2
...

如果目标中的元素数量不断增加，这个问题会变得更糟。

此外，如果比较数据预处理不同（导致目标项目数量不同）的同一任务的系统，这会导致可比性问题。

因此，感觉我在这里做错了什么。 谁能帮帮我？