カタログカバレッジ（Catalog Coverage）は、自然言語処理分野における推薦の多様性と新規性のタスクで重要な評価指標です。カバレッジは、推薦システムがアイテムカタログ内のどの割合のアイテムをカバーできるかを測定し、推薦分布の広さやロングテールへの親和性を反映します。通常、パーセンテージまたは 0–1 のスコアで報告されます。この指標は関連するベンチマークや論文で広く使用されており、モデルがその次元でどの程度優れているかを効果的に反映できます。数値は高いほど良いです。これにより、研究者やエンジニアは推薦の多様性と新規性のシナリオにおけるモデルの実際の性能差を定量化でき、異なる手法やモデルバージョンを横断的に比較しやすくなります。