가중 이진 교차 엔트로피와 연계된 van Rijsbergen Fβ 재구성

본 연구는 분류 모델 학습 시 성능 지표와 손실 함수 사이의 불일치가 최적화 효율을 저해한다는 점에 주목한다. 특히, 정보 검색 분야에서 널리 쓰이는 van Rijsbergen의 Fβ 지표를 직접 손실에 반영하려는 시도가 기존에는 미분 가능성 문제와 복잡한 파라미터 튜닝 때문에 제한적이었다. 저자는 먼저 Fβ를 기존 정의인 Fβ = (1+β²)·pr / (β²·p + r) 형태에서, X₁·X₂ 형태의 곱으로 재구성한다. 여기서 X₁ = r′ + β′, X₂ = (β″ + r)⁻¹ 로 정의하고, r′ = p·r, β′ = β²·p·r, β″ = β²·p 라는 변환을 적용한다. 이 변환은 X₁과 X₂가 각각 정밀도·재현율의 스케일을 반영하면서도 독립적인 확률변수로 취급될 수 있게 만든다. 그 다음 두 가지 확률분포 가정을 제시한다. 첫 번째는 Uniform & Inverse Uniform(U & IU) 모델이다. β′와 β″를 동일한 상한 β* 로 제한하고, X₁을