Как Google наследует сигналы качества и пессимизации между иерархически связанным контентом (например, Видео, Плейлисты, Каналы)

Термины и определения

Aggregate Score (Агрегированная оценка)

Итоговая оценка сущности, рассчитанная на основе комбинации Classifier Scores и Protection Scores самой сущности и ее предков.

Ancestor Entity (Родительская сущность / Предок)

Сущность, находящаяся выше в иерархии. Например, для видео предками могут быть плейлист, в который оно входит, и канал, который его загрузил или создал плейлист.

Classifier Score (Оценка классификатора)

Значение, представляющее качество сущности на основе ее характеристик. Например, оценка того, является ли контент спамом, кликбейтом, вводящим в заблуждение или нежелательным (порнографическим).

Demotion (Понижение / Пессимизация)

Действие, предпринимаемое в отношении сущности, если ее Aggregate Score ниже порога. Может включать снижение позиции в поиске, исключение из выдачи или предотвращение монетизации.

Entity (Сущность)

Элемент контента или учетная запись на медиаплатформе. В контексте патента: видео (media content item), плейлист (playlist), пользовательский канал (user channel).

Hierarchical Set of Entities (Иерархический набор сущностей)

Структура, в которой сущности связаны отношениями родитель-потомок. Например, Канал -> Плейлист -> Видео; или Канал -> Видео.

Protection Score (Оценка защиты)

Значение, представляющее степень, в которой сущность защищена от понижения (включена в "белый список"). Например, канал с большим количеством подписчиков (>15,000) может иметь высокую оценку защиты. Эта оценка повышает нижнюю границу Aggregate Score.

Sparse Abuse (Разреженное злоупотребление)

Ситуация, когда сущность (например, канал) в основном содержит качественный контент, но также включает отдельные элементы нежелательного контента (например, один спамный плейлист).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод генерации оценок для иерархических сущностей.

1. Система определяет первый набор оценок, связанных с элементом медиаконтента (media content item).
2. Система определяет второй набор оценок, связанных с первой родительской сущностью (first ancestor entity) этого элемента.
3. Вычисляется агрегированная оценка (aggregate score) элемента на основе первого и второго наборов оценок.
4. Определяется, следует ли понизить (demote) элемент медиаконтента на основе этой агрегированной оценки.
5. В случае положительного решения элемент медиаконтента понижается.

Claim 2 (Зависимый): Уточняет, что в расчете может участвовать и вторая родительская сущность.

Агрегированная оценка рассчитывается на основе оценок самого элемента, первой родительской сущности и второй родительской сущности. Это позволяет учитывать сложную иерархию, например: Видео + Плейлист (Предок 1) + Канал (Предок 2).

Claim 3 (Зависимый): Определяет контекст применения.

Элемент медиаконтента является видео элементом (video item). Родительская сущность является плейлистом (playlist), включающим это видео, или пользовательским каналом (user channel), загрузившим это видео.

Claim 4 (Зависимый): Детализирует состав набора оценок.

Набор оценок включает classifier score, который указывает на качество элемента, и protection score, который указывает на میزان защиты от понижения, предоставляемую элементу.

Claim 6 (Зависимый): Описывает применение механизма в контексте поиска.

1. Система получает поисковый запрос.
2. Генерируется набор результатов поиска, один из которых соответствует данному элементу медиаконтента.
3. Система обеспечивает представление результатов поиска с учетом примененного понижения (demotion).

Где и как применяется

Изобретение затрагивает этапы индексирования для предварительного расчета оценок и этапы ранжирования/переранжирования для их применения в реальном времени.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна предварительно рассчитать и сохранить индивидуальные Classifier Scores (оценки качества/спама) и Protection Scores (оценки авторитетности) для каждой сущности в иерархии (каждого видео, плейлиста, канала). Также должна быть проиндексирована сама иерархическая структура (кто является предком кого).

RANKING – Ранжирование / RERANKING – Переранжирование
Основное применение патента происходит во время обработки поискового запроса.

1. Генерация кандидатов: Система генерирует начальный набор результатов поиска.
2. Расчет агрегированных оценок: Для каждого кандидата в выдаче система в реальном времени (или используя кэшированные данные) выполняет расчет Aggregate Score. Это требует получения индивидуальных оценок кандидата и его предков из индекса.
3. Применение понижения: Система идентифицирует результаты, подлежащие понижению, на основе рассчитанных Aggregate Scores и применяет пессимизацию (снижает ранг или удаляет из выдачи).

Входные данные:

• Поисковый запрос.
• Кандидаты в результаты поиска (сущности).
• Иерархические связи между сущностями.
• Предварительно рассчитанные Classifier Scores для каждой сущности.
• Предварительно рассчитанные Protection Scores для каждой сущности.

Выходные данные:

• Aggregate Score для каждой сущности-кандидата.
• Финальный набор результатов поиска с примененными понижениями.

На что влияет

• Конкретные типы контента: В первую очередь влияет на контент, организованный иерархически на медиаплатформах (например, YouTube). Влияет на ранжирование видео, плейлистов и каналов.
• Конкретные ниши или тематики: Наибольшее влияние в нишах, где распространены злоупотребления (спам, кликбейт, вводящий в заблуждение контент) и где важна оценка авторитетности источника (например, YMYL-тематики на видеоплатформах).

Когда применяется

• Условия работы алгоритма: Алгоритм применяется при генерации результатов поиска на платформе, где контент имеет иерархическую структуру и для него рассчитываются Classifier Scores и Protection Scores.
• Триггеры активации: Понижение активируется, когда Aggregate Score сущности оказывается ниже predetermined threshold (предопределенного порога).

Пошаговый алгоритм

Процесс А: Расчет оценок (Этап Индексирования / Офлайн)

1. Получение данных о сущности: Система анализирует характеристики сущности (видео, плейлиста или канала).
2. Расчет Classifier Score: Классификаторы оценивают качество контента (например, вероятность спама).
3. Расчет Protection Score: Система оценивает авторитетность и надежность сущности (например, на основе количества подписчиков канала).
4. Хранение оценок: Полученные оценки сохраняются в базе данных (Storage Device), причем каждая оценка может храниться независимо для быстрого обновления.

Процесс Б: Применение оценок (Этап Ранжирования / Онлайн)

1. Получение запроса и генерация результатов: Система получает поисковый запрос и генерирует начальный набор результатов.
2. Идентификация сущности и ее предков: Для каждого результата (например, видео) определяются его родительские сущности (плейлист, канал).
3. Получение индивидуальных оценок: Система извлекает сохраненные Classifier Scores и Protection Scores для самой сущности и всех ее предков.
4. Расчет Aggregate Score:
   1. Комбинируются Classifier Scores сущности и ее предков (возможно, с применением весовых коэффициентов).
   2. Полученный результат комбинируется с Protection Scores сущности и ее предков. Protection Scores увеличивают нижнюю границу итоговой оценки.
5. Проверка порога: Система определяет, ниже ли рассчитанный Aggregate Score предопределенного порога.
6. Применение понижения (Demotion): Если оценка ниже порога, результат понижается в выдаче (снижается его ранг или он удаляется).
7. Представление результатов: Пользователю предоставляется скорректированный набор результатов поиска.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании предварительно рассчитанных оценок и структурных связей.

• Факторы качества контента (Content Quality Factors): Используются через Classifier Scores. Эти оценки основаны на анализе характеристик контента на предмет злоупотреблений: вводящий в заблуждение (misleading), повторяющийся (repetitive), откровенный (racy), порнографический (pornographic), нарушающий права (infringing), кликбейт (clickbait).
• Факторы авторитетности/Пользовательские факторы (Authority/User Factors): Используются через Protection Scores. Патент упоминает, что эти оценки могут быть основаны на характеристиках пользователя или канала, например, на количестве подписчиков (упоминается пример >15,000 подписчиков).
• Структурные факторы (Structural Factors): Критически важные данные — иерархические связи между сущностями (отношения родитель-потомок между видео, плейлистами и каналами).

Какие метрики используются и как они считаются

• Aggregate Score: Итоговая метрика для принятия решения о понижении. Рассчитывается путем комбинирования Classifier Scores и Protection Scores сущности и ее предков. Патент не предоставляет конкретных формул для комбинирования, но указывает, что могут использоваться любые подходящие функции и весовые схемы (weighting scheme).
• Механизм защиты: Protection Score используется для увеличения нижней границы (increase the lower bound) Aggregate Score, тем самым защищая авторитетные сущности от понижения.
• Пороговые значения: Используется предопределенный порог (predetermined threshold), с которым сравнивается Aggregate Score для принятия решения о понижении.

1. Наследование качества (и проблем): Качество контента оценивается на смешанном гранулированном уровне (mixed granularity). Ранжирование видео зависит не только от его собственных характеристик, но и от качества плейлиста, в который оно входит, и канала, на котором оно опубликовано. Проблемы родительской сущности наследуются потомками.
2. Решение проблемы "Sparse Abuse": Система позволяет более точно реагировать на ситуации, когда качественный канал содержит проблемный плейлист, или наоборот. Агрегированная оценка позволяет учесть оба фактора.
3. Явное использование "Белых списков" (Whitelisting): Патент прямо вводит понятие Protection Score — механизма для защиты ценных сущностей (например, авторитетных каналов) от понижения. Эта оценка функционирует как буфер против низких Classifier Scores.
4. Важность структуры контента: Организация контента в иерархии (плейлисты, каналы) напрямую влияет на его ранжирование через механизм наследования оценок.
5. Независимость оценок при хранении: Система разработана для эффективного хранения и обновления оценок. Classifier Scores и Protection Scores хранятся независимо, что позволяет обновлять их в реальном времени без пересчета других показателей.

Best practices (это мы делаем)

Рекомендации в первую очередь касаются платформ типа YouTube.

• Поддержание качества на всех уровнях иерархии: Необходимо следить за качеством не только отдельных видео, но и плейлистов, и канала в целом. Все элементы должны соответствовать критериям качества (отсутствие спама, кликбейта, вводящего в заблуждение контента).
• Стратегическое использование плейлистов: Организуйте контент в тематически связанные, высококачественные плейлисты. Качественный плейлист может положительно повлиять на Aggregate Score входящих в него видео за счет своего высокого Classifier Score.
• Развитие авторитетности канала (Protection Score): Фокусируйтесь на построении авторитетности канала (например, увеличении числа лояльных подписчиков). Высокий Protection Score канала защищает контент от понижения, повышая нижнюю границу Aggregate Score для всех видео на канале.
• Изоляция проблемного контента: Если необходимо опубликовать контент, который может иметь низкий Classifier Score (например, экспериментальный или спорный), его следует максимально изолировать, чтобы он не влиял на оценки качественного контента (хотя в рамках одного канала полная изоляция невозможна из-за наследования оценки канала).

Worst practices (это делать не надо)

• Создание спамных плейлистов: Добавление качественных видео в низкокачественные, спамные или кликбейтные плейлисты приведет к понижению этих видео, так как низкий Classifier Score плейлиста негативно повлияет на их Aggregate Score.
• Смешивание качественного и низкокачественного контента на одном канале: Публикация спама или кликбейта снижает общий Classifier Score канала. Это, в свою очередь, негативно скажется на ранжировании всех видео на канале из-за механизма наследования.
• Игнорирование структуры: Рассматривать ранжирование видео в отрыве от контекста плейлистов и канала является ошибкой, так как система явно учитывает всю иерархию.

Стратегическое значение

Патент подтверждает стратегическую важность комплексного подхода к качеству контента на платформах Google. Для успешного продвижения недостаточно иметь отдельные качественные единицы контента; важна вся экосистема (канал) и структура (плейлисты). Авторитетность (выраженная через Protection Score) является ключевым активом, который не только способствует ранжированию, но и защищает от пессимизации. Это подчеркивает важность долгосрочных стратегий построения бренда и авторитета.

Практические примеры

Сценарий 1: Качественное видео в спамном плейлисте

1. Ситуация: SEO-специалист создал отличное обучающее видео (высокий Classifier Score видео). Чтобы быстро получить просмотры, он добавляет его в плейлист с кликбейтным названием и описанием, содержащим спам (низкий Classifier Score плейлиста).
2. Работа механизма: При расчете Aggregate Score видео система учитывает низкую оценку плейлиста.
3. Результат: Aggregate Score видео снижается, что приводит к его понижению (Demotion) в поиске, несмотря на собственное высокое качество.

Сценарий 2: Спорное видео на авторитетном канале

1. Ситуация: Крупный новостной канал (высокий Protection Score канала) публикует видео на спорную тему, которое классификаторы помечают как потенциально нежелательное (низкий Classifier Score видео).
2. Работа механизма: При расчете Aggregate Score видео система учитывает низкую оценку видео, но также применяет высокий Protection Score канала.
3. Результат: Protection Score повышает нижнюю границу Aggregate Score. В результате итоговая оценка может не опуститься ниже порога, и видео избежит автоматического понижения.