Pesquisa booleana explicada

29

Minha mãe está fazendo um curso on-line para ser uma espécie de bibliotecária; neste curso, eles abrangem pesquisas booleanas, para que possam pesquisar bancos de dados de maneira eficiente; no entanto, ela tem uma pergunta que soa algo como isto:

A pesquisa "x OR y" resultará em 105 000 ocorrências, enquanto uma pesquisa por apenas x resultará em 80 000 ocorrências, e uma pesquisa apenas em y obterá 35 000 ocorrências. Por que a pesquisa "x OR y" fornece 105.000 hits, quando as pesquisas individuais combinadas fornecem 115.000 hits?

Para mim, isso soou estranho, então eu testei isso sozinho, usando as palavras bacon e sanduíche .

Apenas o bacon produziu 179 000 000 resultados
Apenas sanduíche produziu 312 000 000 resultados
bacon OU sanduíche deu 491 000 000 resultados

Mas, para mim, soma: 179 000 000 (bacon) + 312 000 000 (sanduíche) = 491 000 000 (bacon OU sanduíche)

Por que uma consulta OR poderia resultar em menos ocorrências do que as duas consultas individuais combinadas?

sets counting

— sch
fonte

22

Você tem um cachorro azul, um gato azul e um gato vermelho. NÚMERO DE (AZUL) = 2, NÚMERO DE (CAT) = 2, mas NÚMERO DE (AZUL ou CAT) = 3, não 4. #

— BlueRaja - Danny Pflughoeft

11

Eu tentei isso, obtive 184 milhões de resultados para o bacon. Nunca cheguei a procurar sanduíches, pois saí imediatamente para fritar um pouco de bacon.

— corsiKa 4/16

15

Acho que o verdadeiro problema aqui é que seu banco de dados não possui sanduíches de bacon.

— MooseBoys

@MooseBoys sim, deve ser por isso que meus números aumentam, já que não deveriam, certo?

— SCH

3

@klskl: Se você está obtendo esses números do google, lembre-se de que esses números são estimativas muito aproximadas. Poderia muito bem acontecer que, para obter a estimativa de "bacon OU sanduíche", eles somassem os números. Isso só funciona porque não é necessário que a estimativa tenha qualquer tipo de precisão.

— BlueRaja - Danny Pflughoeft

62

Dica: A pesquisa x AND y resultará em 10 000 ocorrências.

— Yuval Filmus
fonte

sim, mas isso não vem ao caso, os professores reivindicam sua X ou Y pesquisa dá menos golpes de combinar os hits de procurar individualmente x então y

— sch

63

Não, isso não vem ao caso. Pelo contrário, é o ponto em si.

— Yuval Filmus

Eu sou novo nisso, gostaria de elaborar? Pelo que entendi, E darei resultados com ambas as palavras, portanto, menos resultados do que cada um individualmente, mas o que isso tem a ver com OU?

— SCH

2

Quando AND está vazio OU funciona como ADD, caso contrário, não funciona. @klskl as informações de x e y são cruciais.

— mal

@YuvalFilmus eu vejo agora, é o ponto! (Eu era como, hambúrguer e sanduíche não dá 10 000 acessos ...) obrigado

— sch

93

O princípio da contagem que se aplica aqui é a inclusão-exclusão .

| X \cup Y | = | X | + | Y | - | X \cap Y |

Para fazer os números funcionarem,deve ser 10000. $\left|X \cap Y \right|$

Um diagrama de Venn pode ser mais convincente para alguém que pode ser intimidado pela notação.

— 200_success
fonte

4

Isso é muito bom, vai usar isso para explicar para minha mãe, muito limpo, obrigado!

— SCH

3

Vou expandir um pouco o seu diagrama e apontar que o motivoé porquefaz parte de ambosejá, então quando você adiciona, você contou duas vezes. Você então subtrai para que seja contado apenas uma vez.

| X \cup Y | = | X | + | Y | - | X \cap Y |

$|X \cup Y| = |X| + |Y| - |X \cap Y|$

| X \cap Y |

$|X \cap Y|$

| X |

$|X|$

| Y |

$|Y|$

| X | + | Y |

$|X| + |Y|$

— Devsman 04/04

A matemática funciona e faz sentido, mas não corresponde à álgebra definida logo acima.

— Kevin Brown

Lembro-me de fazer os diagramas de Venn quando tinha 4-5 anos. Eles são realmente subestimados. Obrigado John Venn.

— Pharap

1

@Pharap De fato, esses diagramas merecem nossa Venn-eration.

— Mason Wheeler

13

Documento 1: O gato está em cima da mesa
Documento 2: Meu gato é preto
Documento 3: O cachorro está embaixo da mesa
Documento 4: Qual é o nome do seu gato?
Documento 5: esta é uma foto em preto e branco

Pesquisa por gato : documentos retornados são 1,2,4 (3 documentos retornados)
Pesquisa por preto : documentos retornados são ...
Pesquisa por gato OU preto : documentos retornados são ...

:-D :-D

— Vor
fonte

3

Em palavras simples:

A pesquisa por X fornece n respostas.
A busca por Y fornece m respostas.
A pesquisa por X e Y fornece p respostas.

Ao procurar X OU Y, a pesquisa é interrompida assim que encontra X ou Y. Portanto, se houver um X antes de um Y, esse Y não será contado na pesquisa de X OU Y. Portanto, sua pesquisa por X OU Y fornecerá respostas n + m - p.

É importante observar que os resultados serão os mesmos, se você fizer duas pesquisas ou apenas uma. Só que, ao somar as duas pesquisas, alguns documentos são contados duas vezes.

— sincero
fonte

"a pesquisa é interrompida assim que encontra X ou Y." Isso não depende da implementação? Uma implementação pode obter todos os resultados para X, obter todos os resultados para Y e depois combinar os resultados de uma maneira que elimine duplicatas.

— Jpmc26

@ArnabDatta O que eu descrevi definitivamente não é um XOR. "Eliminar duplicatas" significa eliminar a segunda cópia, nem todas as instâncias desse elemento.

— Jpmc26

Verdade. Eu entendi errado. Removido meu comentário.

— Arnab Datta

3

Imagine que você tem apenas um documento. Este é o Documento # 1 com isso:

X Y

Agora imagine que você tem uma função de pesquisa que pode fornecer todos os documentos com base em uma palavra-chave:

search("X") => 1
search("Y") => 1

Observe que o número de documentos nos dois casos é 1. Agora, se você possui uma função de pesquisa que fornece o número de documentos que correspondem a uma ou mais das palavras-chave fornecidas:

search("X", "Y") => 1

Quando você adiciona o número de documentos que contêm Xo número de documentos que contêm Y, isso faz com que você conte o mesmo documento duas vezes. No seu caso, isso aconteceu 10000vezes como indicado acima :)

— Arnab Datta
fonte