Серии пенальти в архиве: 53 публикации, которые нельзя считать матчами
Обновлено
53 публикаций из 5 749: серии пенальти в архиве футбола 2011–2017. Доли по годам и рубрикам, таблицы, график, исходные данные и ограничения поиска.
Послематчевую серию легко узнать по формулировке, но сложно посчитать по ленте без повторов. Один и тот же исход может появиться в отчёте, интервью и ретроспективе. Мы нашли тексты с сочетаниями «серия пенальти» и «послематчевые пенальти», чтобы измерить присутствие темы и показать границы такого поиска.
Обычный пенальти по ходу матча не включается лишь из-за отдельного слова «пенальти». Это делает запрос тематически уже, чем общий поиск одиннадцатиметровых. Но даже точное название процедуры не превращает документ в уникальный матч: автор может говорить о старом финале или вспоминать собственный опыт.
Результат: 53 из 5749 текстов
Под выбранный запрос попали 53 публикации, или 0,92% корпуса. В заголовках этих документов совпадение найдено в 1 случаях. Заголовок проверялся отдельно: основной отбор выполнен по телу статьи, поэтому тексты, где тема названа только в заголовке, не добавлялись автоматически.
По абсолютному числу выбранных документов выделяется 2012 год: 14 из 1739 публикаций этого года. При сравнении долей за 2011–2016 годы максимум внутри нашего запроса приходится на 2016: 8 из 373, или 2,14%. Это два разных способа описать выборку. Большой объём выпуска может дать больше совпадений, даже если доля темы не самая высокая.
Доля текстов внутри каждого года, %. Это редакционное внимание в архиве, а не частота событий в матчах.
Таблица данных графика
| Год | С упоминанием | Всего текстов | Доля, % |
|---|---|---|---|
| 2011 | 11 | 840 | 1.31 |
| 2012 | 14 | 1739 | 0.81 |
| 2013 | 6 | 1481 | 0.41 |
| 2014 | 12 | 848 | 1.42 |
| 2015 | 1 | 379 | 0.26 |
| 2016 | 8 | 373 | 2.14 |
| 2017 | 1 | 21 | 4.76 |
| Без даты | 0 | 68 | 0 |
Что меняется при выборе знаменателя
| Год публикации | С упоминанием | Всего текстов | Доля, % |
|---|---|---|---|
| 2011 | 11 | 840 | 1,31 |
| 2012 | 14 | 1739 | 0,81 |
| 2013 | 6 | 1481 | 0,41 |
| 2014 | 12 | 848 | 1,42 |
| 2015 | 1 | 379 | 0,26 |
| 2016 | 8 | 373 | 2,14 |
| 2017 | 1 | 21 | 4,76 |
Рубрики: объём выпуска и доля темы
| Раздел | С упоминанием | Всего в разделе | Доля, % |
|---|---|---|---|
| Англия | 17 | 1349 | 1,26 |
| Лига Чемпионов | 9 | 245 | 3,67 |
| Россия | 8 | 592 | 1,35 |
| Евро 2012 | 4 | 86 | 4,65 |
| Остальной мир | 3 | 453 | 0,66 |
| Германия | 2 | 257 | 0,78 |
Документы для проверки контекста
| Архивный материал | Дата публикации | Вхождения |
|---|---|---|
| Алания сыграет с ЦСКА в финале | 2011-05-13 | 3 |
| Бубнов считает, что «Кубань» выглядела лучше в кубковой игре с «Зенитом» | 2013-04-18 | 2 |
| ЦСКА стали хозяевами финала | 2011-05-13 | 2 |
| Футболисты Мали обыграли ЮАР и попали в полуфинал КАН | 2013-01-27 | 2 |
| Мане: «Даже когда я не здесь, моё сердце всегда в Ливерпуле» | 2017-02-20 | 2 |
Для базы серий понадобятся отдельные поля: турнир, дата матча, команды, итог основного и дополнительного времени, результат серии и последовательность ударов. В нашем архивном наборе такой унифицированной таблицы нет. Поэтому мы не считаем реализацию, порядок бьющих или преимущество начинающей команды.
Публикация интервью после серии и самостоятельный отчёт могут получить разные даты и повторить один эпизод. При подсчёте документов это два наблюдения; при подсчёте матчей — возможный дубль, который надо связать по протоколу. Различие единицы наблюдения важно назвать до построения графика, иначе аккуратно нарисованная диаграмма будет отвечать на другой вопрос.
Почему интервью увеличивает число документов
После одной серии могут появиться отчёт, реакция участника и последующее воспоминание. У них разные адреса и даты публикации, поэтому корпусный подсчёт включает каждый документ. Матчевая база должна была бы связать их одним событием. Без этого суммирование новостей по рубрикам увеличивает число серий за счёт повторного рассказа.
В заголовке выбранный шаблон найден только у одной из 53 публикаций. Остальные могли вынести в название победителя, выход в следующий раунд или фамилию героя. Это ещё один повод не считать поиск названий полноценным поиском всех серий. Обратная задача также требует осторожности: упоминание прошлой серии внутри интервью не делает дату этого интервью датой матча.
Для исследования порядка ударов пришлось бы восстановить каждую попытку и правило завершения. Результат серии и результат самой встречи хранятся раздельно: текстовая лента может сокращать запись и опускать часть деталей. Подставлять недостающие попытки по итоговой цифре нельзя.
Текущий набор полезен как список отправных документов. Он не отвечает на вопрос, кому чаще помогает первый удар, какой вратарь лучше играет в сериях или какова реализация после конкретного счёта. Эти задачи имеют свои знаменатели и требуют полного подтверждённого массива попыток. В этой работе такой массив не заявлен.
Как воспроизвести и улучшить исследование
Единица — статья, а не уникальная серия и не отдельный удар. В анализ включены 5 749 документов. У 68 дата не установлена; в 2017 году только 21 публикация. Таблица и график доступны в CSV и JSON. Подробный общий протокол приведён в лаборатории данных.
Объяснение самого футбольного понятия находится отдельно: как проходит серия пенальти. Сопоставить несколько тем и скачать соседние наборы можно в лаборатории футбольного архива. Там видно, что одна публикация может входить сразу в несколько тем, поэтому их доли не следует складывать в единое распределение.