Как Google позволяет пользователям контролировать уровень персонализации в результатах поиска с помощью слайдера

Термины и определения

Boost Value (Значение повышения, Бустинг)

Коэффициент масштабирования, который представляет степень релевантности сайта определенной теме. Используется для увеличения IR Score документа с этого сайта, если тема соответствует интересам пользователя.

Information Retrieval (IR) Score (Оценка информационного поиска)

Базовая оценка релевантности документа запросу, которая может включать такие факторы, как релевантность текста и PageRank.

Interest Profile (Профиль интересов, IN)

Набор тем или категорий, выбранных пользователем как представляющие для него интерес.

Personalization Control (Элемент управления персонализацией)

Графический элемент интерфейса (например, слайдер), позволяющий пользователю регулировать степень влияния Interest Profile на ранжирование.

R_base и R_in

R_base — набор результатов без персонализации. R_in — набор результатов с максимальной персонализацией.

Ranking Vectors (Векторы ранжирования)

Набор упорядоченных списков идентификаторов документов. Каждый вектор соответствует определенному положению Personalization Control и определяет порядок показа результатов.

Site Graph (Граф сайтов)

Структура данных, используемая для расчета Boost Values. Узлы представляют сайты (а не страницы), а взвешенные ребра — количество ссылок между этими сайтами.

Start Sites (S0, S1, S2) (Стартовые сайты)

Итеративный процесс расчета авторитетности. S0 — исходные авторитетные сайты по теме (например, из каталога). S1 — сайты, на которые часто ссылаются из S0. S2 — сайты, на которые часто ссылаются из S1. Сайты S2 получают основные Boost Values.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод переменной персонализации с акцентом на клиентскую реализацию.

1. Система получает Interest Profile пользователя (темы) и поисковый запрос.
2. Отбираются документы, имеющие IR Score и потенциальные Boost Values (связанные с темами профиля).
3. Определяются различные степени влияния (distinct degrees of influence) профиля (позиции слайдера).
4. Для каждой степени влияния рассчитывается итоговая оценка и создается ранжирование (Ranking).
5. Создается соответствие (mapping) между идентификаторами и результатами.
6. Создаются представления (Ranking Vectors) для каждого ранжирования.
7. Система отправляет mapping И все Ranking Vectors в веб-браузер.
8. Ключевой момент: браузер получает все векторы до того, как пользователь выберет уровень влияния.
9. Браузер отображает конкретное ранжирование в ответ на действия пользователя (слайдер), используя полученные данные, и без отправки нового запроса на сервер.

Ядро изобретения — это механизм, позволяющий динамически и вариативно управлять персонализацией на стороне клиента без задержек, за счет предварительного расчета и отправки всех вариантов ранжирования с сервера.

Claim 7 и 8 (Зависимые): Детализируют метод расчета Boost Value с помощью ссылочного анализа.

Boost Value для первого сайта определяется на основе того, ссылается ли на него второй сайт, который ассоциирован с темой из профиля интересов пользователя. Значение бустинга зависит от количества ссылок со второго сайта на первый. Это описание соответствует механизму S1 -> S2, описанному в патенте.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, а также включает значительную логику на стороне клиента.

INDEXING – Индексирование и извлечение признаков (Офлайн)
На этом этапе происходит подготовка данных для персонализации. Система строит Site Graph и рассчитывает Boost Values для сайтов относительно различных тем, используя итеративный ссылочный анализ (S0-S1-S2).

RANKING – Ранжирование (Онлайн)
Бэкенд поисковой системы обрабатывает запрос дважды: генерирует стандартный набор результатов R_base и персонализированный набор R_in. В R_in стандартные IR Scores модифицируются (умножаются) на Boost Values из профиля пользователя.

RERANKING – Переранжирование (На фронтенд-сервере)
Фронтенд-сервер получает R_base и R_in. Он выполняет интерполяцию для создания промежуточных ранжирований (например, R_1...R_9). Затем он формирует Ranking Vectors для всех позиций элемента управления.

Client-Side (Браузер пользователя)
Браузер получает все данные. При взаимодействии пользователя с Personalization Control, JavaScript код динамически перестраивает порядок результатов, используя соответствующий вектор, без обращения к серверу.

Входные данные:

• Поисковый запрос (Q) и Interest Profile (IN).
• Карты соответствия тем и сайтов с Boost Values.
• Базовые IR Scores документов.

Выходные данные:

• Соответствие ID -> Результат.
• N векторов ранжирования (Ranking Vectors), отправляемых клиенту.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неоднозначные запросы, где интент пользователя сильно зависит от его интересов (например, запрос "java" для программиста и туриста; запрос "stanford" для программиста и музыканта).
• Конкретные типы контента: Влияет на ранжирование любых документов, которые могут быть ассоциированы с сайтами в Site Graph.

Когда применяется

• Условия работы: Алгоритм применяется, когда у пользователя определен явный Interest Profile.
• Триггеры активации: Генерация персонализированных результатов активируется при наличии профиля. Динамическое переранжирование активируется при взаимодействии пользователя с Personalization Control.

Пошаговый алгоритм

Алгоритм состоит из двух основных частей: офлайн-подготовка и онлайн-обработка запроса.

Процесс А: Офлайн-расчет Boost Values (Метод S0-S2)

1. Построение Site Graph: Генерируется граф, где узлы — это сайты, а веса ребер основаны на количестве ссылок между сайтами.
2. Выбор Start Sites (S0): Для каждой темы выбираются авторитетные стартовые сайты (например, из Open Directory Project).
3. Распространение авторитетности (Итерация 1): Идентифицируется набор сайтов S1, на которые активно ссылаются сайты из S0. Сайтам S1 присваивается вес.
4. Распространение авторитетности (Итерация 2): Идентифицируется набор сайтов S2, на которые активно ссылаются сайты из S1.
5. Присвоение Boost Values: Сайтам в S2 присваиваются Boost Values на основе рассчитанных весов. Создаются карты {Site -> boost} для каждой темы.

Процесс Б: Онлайн-обработка запроса и переменное ранжирование

1. Получение профиля: Система получает запрос Q и Interest Profile (IN) пользователя.
2. Запрос к бэкенду: Фронтенд-сервер запрашивает у бэкенда два набора результатов: (Q, null) и (Q, IN).
3. Генерация R_base и R_in: Бэкенд возвращает стандартные (R_base) и полностью персонализированные (R_in) результаты. В R_in IR Scores умножены на Boost Values.
4. Объединение и интерполяция (Фронтенд): Фронтенд объединяет результаты в R_all и рассчитывает промежуточные ранжирования путем интерполяции между R_base (позиция 0) и R_in (позиция Max).
5. Формирование векторов: Создается N Ranking Vectors для каждой позиции элемента управления.
6. Передача клиенту: Фронтенд отправляет клиенту R_all (в виде ID -> результат) и все N Ranking Vectors.
7. Динамическое управление (Клиент): Пользователь перемещает слайдер. JavaScript в браузере выбирает соответствующий Ranking Vector и мгновенно переупорядочивает результаты.

Какие данные и как использует

Данные на входе

• Ссылочные факторы: Критически важны для офлайн-процесса. Используются для построения Site Graph и расчета тематических Boost Values путем анализа ссылок между сайтами (метод S0-S2).
• Пользовательские факторы: Interest Profile — явно выбранные пользователем темы интересов.
• Системные данные: Information Retrieval (IR) Scores. Тематические каталоги (например, ODP) для идентификации Start Sites (S0).

Какие метрики используются и как они считаются

• Boost Value: Метрика, определяющая тематическую авторитетность сайта. Рассчитывается офлайн с помощью итеративного анализа ссылок в Site Graph (S0-S2). Является коэффициентом масштабирования для IR Score.
• Degree of Influence (Степень влияния): Переменная, определяемая положением Personalization Control (например, от 0 до 10). Используется для интерполяции ранжирования.
• Итоговая оценка (Personalized Score): Функция от IR Score, Boost Value и Degree of Influence. В патенте упоминается, что при максимальной персонализации это может быть произведением IR Score и Boost Value.

1. Персонализация через тематический бустинг: Патент подтверждает, что Google моделирует интересы пользователей в виде тем и использует эти данные для повышения (boosting) сайтов, которые система считает авторитетными в этих темах.
2. Расчет авторитетности через Site Graph (S0-S2): Описан конкретный механизм расчета Boost Values, основанный на анализе ссылок между сайтами (Site Graph). Авторитетность распространяется от доверенных стартовых сайтов (S0) через два уровня ссылок (S1 и S2).
3. Ассоциация на уровне сайта: Boost Values присваиваются сайтам целиком. Если сайт признан авторитетным в теме, все его страницы получают потенциальное повышение для заинтересованного пользователя.
4. Приоритет эффективности (Client-Side Reranking): Ключевое техническое изобретение — механизм переменного контроля, реализованный на клиенте. Предварительный расчет всех вариантов ранжирования и их отправка клиенту позволяет динамически менять выдачу без нагрузки на сервер и задержек.
5. Фундамент для имплицитной персонализации и Topical Authority: Хотя патент описывает явное управление, описанная инфраструктура (карты тематического бустинга, расчет S0-S2) является фундаментом для современных концепций Topical Authority и имплицитной персонализации.

Best practices (это мы делаем)

• Построение тематической авторитетности (Topical Authority): Ключевая стратегия. Необходимо стремиться к тому, чтобы сайт был идентифицирован как авторитетный (S2) в конкретной нише. Это увеличивает Boost Value и дает преимущества в персонализированной выдаче (даже если она применяется имплицитно).
• Стратегический линкбилдинг (S0/S1): Фокусируйтесь на получении ссылок от сайтов, которые являются тематическими авторитетами (потенциальные S0 или S1 сайты). Алгоритм S0->S1->S2 показывает, что авторитетность передается от доверенных источников. Анализируйте ссылочный граф вашей ниши для идентификации этих хабов.
• Комплексное покрытие темы: Создавайте контент, который полностью охватывает нишу. Это укрепляет ассоциацию сайта с темой и повышает его шансы на высокое ранжирование для целевой аудитории.
• Укрепление авторитетности на уровне домена: Поскольку расчет ведется на основе Site Graph (уровень сайтов), важно поддерживать высокое качество и тематическую целостность всего ресурса.

Worst practices (это делать не надо)

• Тематическая размытость: Создание сайтов обо всем без четкого фокуса затрудняет ассоциацию ресурса с конкретными темами и снижает вероятность получения значимых Boost Values.
• Игнорирование тематической релевантности ссылок: Получение ссылок с нерелевантных ресурсов малоэффективно для повышения тематического Boost Value, так как они не участвуют в распространении авторитетности от тематических Start Sites (S0).
• Фокус только на постраничной оптимизации: Оптимизация отдельных страниц без учета общей тематической стратегии сайта не позволит использовать преимущества персонализации, так как бустинг применяется на уровне сайта.

Стратегическое значение

Патент имеет высокое стратегическое значение, так как описывает инфраструктуру персонализации и механизм расчета тематической авторитетности Google. Он подтверждает, что построение сильного, тематически сфокусированного бренда, признанного другими авторитетами в нише (через ссылки), является критически важным. Понимание механизма Site Graph и S0-S2 позволяет разрабатывать эффективные стратегии линкбилдинга и контент-маркетинга.

Практические примеры

Сценарий: Построение авторитетности (Boost Value) для нового сайта о здоровом питании (NutritionSite.com)

1. Задача: Добиться высокого Boost Value по теме "Health/Nutrition".
2. Анализ (Идентификация S0/S1): Определить Start Sites и ключевые хабы. S0 могут быть сайты университетов (e.g., hsph.harvard.edu) и госорганизаций (e.g., nih.gov). S1 — ведущие медицинские издания и блоги, на которые ссылаются S0.
3. Действия (Получение ссылок от S1): Создать уникальное исследование или экспертный контент, который цитируется или на который ссылаются авторы из S1. Например, публикация статьи, на которую сослался Harvard Health Blog.
4. Ожидаемый результат (Становление S2): В ходе офлайн-анализа Site Graph система обнаружит значимые ссылки с S1 на NutritionSite.com. Сайт будет идентифицирован как S2 и получит Boost Value. Это повысит его ранжирование для пользователей, интересующихся этой темой.