Некорректная работа поисковиков для исключаемых слов

Форум Сообщества Практиков Конкурентной разведки (СПКР)

Конкурентная разведка, Бизнес-разведка, Корпоративная разведка,
Деловая разведка по открытым источникам в бизнесе.
Работаем строго в рамках закона.

Дезинформация и активные мероприятия в бизнесе
Форум Сообщества Практиков Конкурентной разведки (СПКР) »   Предложения по программе для допроса Интернета СайтСпутник »   Некорректная работа поисковиков для исключаемых слов
RSS

Некорректная работа поисковиков для исключаемых слов

Поисковики некорректно обрабатывают операнды исключения слов. И этот их "косяк" можно исправить СайтСпутником.

<<Назад  Вперед>>Страницы: 1 2 3
Печать
 
tungus1973
Модератор форума

Откуда: г. Санкт-Петербург
Всего сообщений: 793
Рейтинг пользователя: 11


Ссылка


Дата регистрации на форуме:
3 июля 2009
Я намедни обнаружил "косяк" всех без исключения поисковиков. И пришла мне в голову идея, что этот "косяк" легко может обходить СайтСпутник. :)

Речь идёт об исключении статей. В поисковиках для этого используются операнды "-" и "~".
Все поисковики настроены так, что исключают ВСЕ документы, если в них встречаются слова со знаком "-". А ведь это не всегда правильно!


Допустим, мы сделали запрос в любом поисковике: "приземлился самолёт" -Аэрофлот , с целью найти все сообщения, когда речь идёт о приземлении самолёта, но не "Аэрофлота".

И допустим, в поисковике есть сообщение с таким содержанием:

----------------------
Вчера я видел, как приземлился самолёт Боинг. Это было великолепное зрелище! Точные и уверенные действия экипажа плавно посадили тяжёлую крылатую машину.
А вот сегодня я смотрел, как приземлился самолёт Аэрофлота. Машина три раза заходила на круг. Её качало из стороны в сторону. А перед касанием дорожки самолёт вообще "клюнул" носом.

----------------------

Так вот... По нашему запросу все поисковики выкинут этот документ из выдачи! Хотя он отвечает нашим требованиям релевантности, т.е. кроме самолёта Аэрофлота, в нём говорится и о самолёте Боинга.

Обойти это ограничение можно через СайтСпутник. Отталкиваясь от нашего примера, я мог бы собирать с поисковиков программой все статьи, в которых есть словосочетание "приземлился самолёт", а уже СайтСпутник выбирал бы, что именно оставить, а что - следует удалить.
Пользователю могут понадобиться 2 случая:
1) Удалить все статьи, в которых хотя бы раз в предложении встречается нужное словосочетание и слово "Аэрофлот".
2) Удалить статьи, где встречается только словосочетание вместе со словом "Аэрофлот", но оставить статьи, если кроме предложения с Аэрофлотом, встречается также предложение, в котором отсутствует слово "Аэрофлот".

То же самое будет справедливо и для рубрик.

В случае 1 приведённая статья НЕ попадёт в выдачу. В случае 2 статья попадёт в выдачу (например, в рубрику "Боинг")

Для управления выдачей, можно, например, использовать операнд "~~~", который ни в одном поисковике не встречается. Либо какой-то другой операнд.
Алексей Мыльников
Долгожитель форума

Откуда: Волгоград
Всего сообщений: 872
Рейтинг пользователя: 6


Ссылка


Дата регистрации на форуме:
22 июня 2009

tungus1973 написал:
[q]
Для управления выдачей, можно, например, использовать операнд "~~~", который ни в одном поисковике не встречается.
[/q]

Сформулируйте, используя ~~~, запросы для обоих случаев.

tungus1973
Модератор форума

Откуда: г. Санкт-Петербург
Всего сообщений: 793
Рейтинг пользователя: 11


Ссылка


Дата регистрации на форуме:
3 июля 2009

Алексей Мыльников написал:
[q]
Сформулируйте, используя ~~~, запросы для обоих случаев.
[/q]
Например, операнд "---" уже есть в СайтСпутнике. Можно его использовать как команду "исключить всё" (случай 1 из старттопика), а операнд "~~~" как команду "не исключать, если в тексте также есть и другое словосочетание" (случай 2 из старттопика).

Возможно существует другой, более эффективный способ сделать это? Или можно применить другие операнды?
CI-KP
Администратор

Откуда: Екатеринбург
Всего сообщений: 5565
Рейтинг пользователя: 24


Ссылка


Дата регистрации на форуме:
15 мая 2009

tungus1973 написал:
[q]
Все поисковики настроены так, что исключают ВСЕ документы, если в них встречаются слова со знаком "-".
[/q]

Все же, не все. Яндекс, как раз, имеет возможность гибкой настройки - либо с помощью одинарной тильды, либо с помощью оператора расстояния межу словами.
Гугл - нет. Но в гугле расстояние между словами, все же, задавать можно - звездочкой.

---
Ющук Евгений Леонидович, профессор УрГЭУ. www.razvedka-internet.ru; www.ci-razvedka.ru
Не всегда нужно стремиться совершать кражу со взломом там, где можно войти через дверь.
tungus1973
Модератор форума

Откуда: г. Санкт-Петербург
Всего сообщений: 793
Рейтинг пользователя: 11


Ссылка


Дата регистрации на форуме:
3 июля 2009

CI-KP написал:
[q]
Яндекс, как раз, имеет возможность гибкой настройки - либо с помощью одинарной тильды, либо с помощью оператора расстояния межу словами.
Гугл - нет. Но в гугле расстояние между словами, все же, задавать можно - звездочкой.
[/q]
В приведённом мной примере эти настройки поисковиков не имеют значения. Оба поисковика исключают документ, если в нём есть хотя бы одна фраза, подпадающая под правило со знаком "-", и не обращают внимания на другие фразы, не имеющие слов со знаком "-".
Проблема особенно заметна на больших документах - типа аналитических дайджестов статей, газет в pdf-формате и т.п.

Поясню на примере. Допустим, нужно найти Льва Сергеевича Толстого (не писателя):

По запросу "Лев Сергеевич Толстой" получим релевантные результаты, но не все документы, относящиеся к Л.С. Толстому.

По запросу "Лев Толстой" получим много результатов, включающий разных Львов Толстых, например известного писателя-классика.

По запросу "Лев Толстой -Николаевич" получим более-менее релевантные результаты. Но! Тут нас ждёт фокус! :) Если в поисковике будет проиндексированный документ с фразой: "Лев Сергеевич Толстой, как и его знаменитый тёзка Лев Николаевич Толстой, начал писать рассказы с детства", то поисковик не покажет его нам, хотя документ релевантный! :wink:

Такой казус присущ не только поисковикам, но и большинству (если не всем) системам поисковика баз данных. Его можно обходить СайтСпутником, если немного расширить функционал. :smile:
Это как раз тот самый случай, когда СайтСпутник будет искать ещё точнее и лучше любого другого инструмента и становится ещё немного больше программой для профессионалов.
CI-KP
Администратор

Откуда: Екатеринбург
Всего сообщений: 5565
Рейтинг пользователя: 24


Ссылка


Дата регистрации на форуме:
15 мая 2009

tungus1973 написал:
[q]
В приведённом мной примере эти настройки поисковиков не имеют значения. Оба поисковика исключают документ, если в нём есть хотя бы одна фраза, подпадающая под правило со знаком "-", и не обращают внимания на другие фразы, не имеющие слов со знаком "-".
[/q]

Не буду спорить.
Просто,как мне кажется, если есть оператор, позволяющий избежать проблемы (и это не оператор минус, а оператор "включить/исключить слово в одном предложении" и "оператор расстояния между словами"), то не совсем верно использовать вместо него другой оператор - такой, который этого не позволяет делать, а потом обвинять в этом поисковик.
Ну, как опять же, мне кажется, любые инструменты всегда лучше использовать по их назначению - тогда результат лучше.
Я, собственно, так и стараюсь поступать в работе, но абсолютно не настаиваю, чтобы так делали все :)
Позиция "Я применяю вместо скальпеля лом и получаю плохой результат" - ну, не комильфо это, на мой взгляд.

---
Ющук Евгений Леонидович, профессор УрГЭУ. www.razvedka-internet.ru; www.ci-razvedka.ru
Не всегда нужно стремиться совершать кражу со взломом там, где можно войти через дверь.
Sergey
Долгожитель форума

Всего сообщений: 640
Рейтинг пользователя: 2


Ссылка


Дата регистрации на форуме:
9 июня 2010
А еще лучше использовать свой поисковик, тогда нет вообще ограничений.
(не шутка и не стеб)
Алексей Мыльников
Долгожитель форума

Откуда: Волгоград
Всего сообщений: 872
Рейтинг пользователя: 6


Ссылка


Дата регистрации на форуме:
22 июня 2009

tungus1973 написал:
[q]
Например, операнд "---" уже есть в СайтСпутнике. Можно его использовать как команду "исключить всё" (случай 1 из старттопика), а операнд "~~~" как команду "не исключать, если в тексте также есть и другое словосочетание" (случай 2 из старттопика).
[/q]

Таких операндов нет в СайтСпутнике, и думаю, что и не будет. "Нестандартный" анализ контента будет осуществляться с помощью плагинов. Программное обеспечение, поддерживающее реализацию плагинов, практически завершено, но не декларировалось.

tungus1973 написал:
[q]
Возможно существует другой, более эффективный способ сделать это? Или можно применить другие операнды?
[/q]

Насколько я понял, речь идет о пост-запросе и рубрикации, так как такой результат чисто при помощи языков запросов поисковиков и анализа сниппетов не получишь.

Тогда логично не вводить новых конструкций, а усовершенствовать уже существую: расстояние между словами:
1)"приземлился самолёт" /7 Аэрофлот - есть слово "Аэрофлот" на расстоянии не более 7 пробелов (6 слов) от "приземлился самолёт". Это есть в СайтСпутнике.
2)"приземлился самолёт" /7 ~Аэрофлот - есть такой фрагмент в контенте ссылки, где нет слова "Аэрофлот" на расстоянии не более 7 пробелов (6 слов) от "приземлился самолёт". Этого нет в СайтСпутнике.

Сейчас пункт 2) можно решить, используя "сущности" (если я правильно понял Нежданова в личной переписке), следующим способом:
"приземлился самолёт" /7 (Авиакомпания №1 | Авиакомпания №2 | ... | Авиакомпания №Z), то есть, перечислить то что нужно, а не то что не нужно. Это в СайтСпутнике есть.

В скобках находится "сущность" - список всех Авиакомпаний. Из него выбрасывается Аэрофлот. "Сущность" может храниться в файле-вставке и подставляться в пост-запрос в виде файла, а именно: "приземлился самолёт" /7 ("Сущности\Авиакомпании.txt")

CI-KP
Администратор

Откуда: Екатеринбург
Всего сообщений: 5565
Рейтинг пользователя: 24


Ссылка


Дата регистрации на форуме:
15 мая 2009

Sergey написал:
[q]
А еще лучше использовать свой поисковик, тогда нет вообще ограничений.
(не шутка и не стеб)
[/q]

Но ведь ни один поисковик не в состоянии на сегодня всё проиндексировать и поэтому их пересечение не так уж велико.

Мне кажется, что если речь о просмотре поисковиком уже известных источников - то можно свой поисковик использовать, но если надо и неизвестные брать во внимание, то вряд ли свой поисковик адекватно справится с задачей.
Я правильно понимаю ситуацию?

---
Ющук Евгений Леонидович, профессор УрГЭУ. www.razvedka-internet.ru; www.ci-razvedka.ru
Не всегда нужно стремиться совершать кражу со взломом там, где можно войти через дверь.
Sergey
Долгожитель форума

Всего сообщений: 640
Рейтинг пользователя: 2


Ссылка


Дата регистрации на форуме:
9 июня 2010

CI-KP написал:
[q]
[/q]

Вопрос очень не простой.
Дело в том, что есть независимые поисковики, про которые не пишут.
Там свои правила игры.
<<Назад  Вперед>>Страницы: 1 2 3
Печать
Форум Сообщества Практиков Конкурентной разведки (СПКР) »   Предложения по программе для допроса Интернета СайтСпутник »   Некорректная работа поисковиков для исключаемых слов
RSS

Последние RSS
Учебник по конкурентной разведке
Конкурентная разведка: маркетинг рисков и возможностей
Книга "История частной разведки США"
Книга "Нетворкинг для разведчиков"
Поиск и сбор информации в интернете в программе СайтСпутник
Новые видеоуроки по программе СайтСпутник для начинающих
Технологическая разведка
SiteSputnik. Мониторинг Телеграм
СайтСпутник: возврат к ранее установленной версии
SiteSputnik. Доступ к результатам работы из браузера
Анализ URL
Браузер для анонимной работы
Топливно-энергетический комплекс
Профессиональные сообщества СБ
Несколько Проектов в одном, выполнение Проектов по частям
SiteSputnik-Bot: Боты в программе СайтСпутник
К вопросу о телеграм
SiteSputnik: Автозамены до и после Рубрикации или Перевода
Демо-доступ к ИАС социальных сетей
Лог-файл в программе СайтСпутник

Самые активные 20 тем RSS