查询优化 - 联合查询的布尔检索

Question

我正在参加信息检索课程，我们已经开始使用＆＃34;布尔检索＆＃34;。

我遇到了以下问题（取自Stanford book信息检索）：

  

对于联合查询，按大小顺序处理过帐列表   保证最佳？解释原因/为什么不。

给出的解释如下：

  

订单不保证是最佳的。考虑三个术语   发布列表大小s1 = 100，s2 = 105，s3 = 110。假设   s1和s2的交点长度为100且为s1的交点   排序s1，s2，s3需要100 + 105 + 100 + 110 = 315   逐步完成帖子列表。排序s1，s3，s2需要   100 + 110 + 0 + 0 = 210个步骤通过帖子列表。

有人可以解释一下吗？

例如：In＆＃34; 100 +105+ 100 + 110＆＃34 ;; 100代表什么？是s1的大小还是s1和s2的交点？ （105和110相当明显）。

Answer 1

根据问题，您应该以升序（带尺寸）处理过帐列表。考虑 s1 = 100， s2 = 105， s3 = 110。所以你应该首先处理 s1 和 s2 。让我们说你得到 r1 = s1 AND s2 ，然后您应该处理 r1 和 s3 。   

根据算法，您可以估算消耗量。

由于 s1 AND s2 = r1 ， r1 有100长度消耗是：O（s1 + s2）= 100 + 105 = 205，然后用 s3 处理 r1 ，消耗为O（r1 + s3）= 100 + 110 = 210，因此整体消耗为205 + 210 = 415.

但我们已经知道 s1 AND s3 = 0，所以我们应该处理 s1 和 s3 首先消费O（s1 + s3）= 100 + 110 = 210，让我们称之为 r2 。最后处理 r2 和 s2 ，O（r2 + s2）= 0（因为 r2 的长度为0）。因此整个消耗量为210 + 0 = 210，小于415.

关键的想法是我们不知道中间结果（这里代表 r1 或 r2 ）。所以处理按大小排列的过帐列表可能无法保证最佳。