Как Google использует историю запросов в сессии для эффективного распознавания фраз (N-грамм) и понимания уточнений пользователя

Термины и определения

N-gram / Bigram (N-грамма / Биграмма)

Последовательность из N (или 2 для биграммы) слов, имеющих статистически значимую вероятность появляться вместе. Используется для идентификации устойчивых фраз.

Search Session (Поисковая сессия)

Последовательность запросов от одного пользователя в пределах определенной близости (predefined proximity), которая может определяться временем или семантической связью.

Ordinal Position (Порядковая позиция)

Местоположение (порядковый номер) термина в поисковом запросе. Критически важный параметр для данного патента.

Common Terms (Общие термины)

Термины, присутствующие как в предыдущем (Q1), так и в текущем (Q2) запросе. Согласно патенту (Claim 1), они обязаны занимать одну и ту же Ordinal Position в обоих запросах.

Differing Search Terms (Различающиеся термины)

Термины в Q2, которых не было в Q1, или термины, которые изменили свою Ordinal Position. Включают Additional и Substitute термины.

Additional Search Terms (Дополнительные термины)

Различающиеся термины, добавленные в конец запроса (их позиция в Q2 больше, чем длина Q1).

Substitute Search Terms (Замещающие термины)

Различающиеся термины, которые заменили термин на той же позиции в Q1.

Known Bigrams (Известные биграммы)

Хранилище предварительно идентифицированных фраз, созданное путем анализа больших корпусов документов (Document Corpora).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод контекстуального анализа биграмм с учетом позиций.

1. Система получает первый запрос (Q1) в сессии, фиксируя порядковые позиции терминов.
2. Система получает последующий запрос (Q2) в той же сессии.
3. Идентифицируются differing search terms в Q2 (термины, отсутствующие в Q1).
4. Идентифицируются common terms. Критическое условие: термин должен быть в обоих запросах И иметь одинаковую порядковую позицию в Q1 и Q2.
5. Идентифицируются adjacent common terms (общие термины, находящиеся рядом друг с другом в обоих запросах).
6. Система отправляет adjacent common terms на анализ биграмм для Q2.
7. Система исключает differing search terms из анализа биграмм для Q2 (в комбинации с общими терминами).

Ядро изобретения — использование контекста сессии и строгого требования к сохранению позиции для сокращения пространства анализа. Если слово добавлено или перемещено, оно исключается из анализа в комбинации со старыми терминами.

Claim 9 (Независимый пункт): Обобщает метод Claim 1 для N-грамм любой длины.

Логика идентична Claim 1, но применяется к n-gram analysis. Система исключает различающиеся термины из анализа N-грамм в текущем запросе, основываясь на сравнении с предыдущим запросом и порядковыми позициями.

Claims 3, 4, 10 (Зависимые пункты): Уточняют обработку различающихся терминов.

Хотя различающиеся термины исключаются из анализа в комбинации с общими терминами, они могут быть проанализированы между собой. Если несколько Additional или Substitute терминов идут подряд, они могут быть отправлены на анализ N-грамм отдельно.

Где и как применяется

Изобретение применяется на этапе интерпретации запроса для его предобработки.

QUNDERSTANDING – Понимание Запросов
Это основная фаза применения. Contextual Bigram Analysis System работает как модуль обработки запроса в реальном времени для определения его структуры.

1. Идентификация сессии: Session Identification Component определяет, является ли запрос частью активной сессии, используя Session Log.
2. Сравнение запросов: Query Comparison Component сравнивает текущий запрос с предыдущим.
3. Исключение и разметка: Potential Bigram Identification Component применяет логику исключения.
4. Интерпретация запроса: Запрос передается в Search Engine (на этап Ранжирования) либо с разметкой исключенных пар, либо уже реформулированный с идентифицированными N-граммами.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит необходимый офлайн-процесс: статистический анализ Document Corpora для генерации базы Known Bigrams.

Входные данные:

• Текущий запрос (Q2).
• Предыдущий запрос (Q1).
• Данные сессии (ID пользователя, временные метки).
• (Опционально) База данных Known Bigrams.

Выходные данные:

• Аннотированный или реформулированный запрос Q2 с идентифицированными N-граммами и исключенными парами.

На что влияет

• Специфические запросы: Наибольшее влияние на уточняющие запросы (query refinements) и длиннохвостые запросы (long-tail queries), где пользователи добавляют модификаторы (цена, цвет, место) к основному понятию.
• Интерпретация интента: Помогает системе сегментировать запрос на основную сущность и дополнительные фильтры.

Когда применяется

• Триггер активации: Пользователь отправляет новый запрос (Q2) в рамках активной поисковой сессии (наличие Q1).
• Условие срабатывания: Q2 содержит хотя бы один общий термин (Common Term) с Q1 (с учетом позиции) И хотя бы один различающийся термин (Differing Search Term).
• Исключения: Если Q2 не имеет общих терминов с Q1 или если порядок слов изменился (например, Q1="A B", Q2="B A"), что приводит к отсутствию Common Terms по строгому определению, механизм не активируется.

Пошаговый алгоритм

Процесс обработки запроса в реальном времени

1. Получение запросов (Q1, Q2): Система получает последовательность запросов в рамках одной сессии.
2. Сравнение запросов: Анализ терминов и их Ordinal Positions в Q1 и Q2.
3. Проверка наличия совпадений терминов: Определяется, есть ли совпадения терминов (вне зависимости от позиции).
   • Если НЕТ: Отправить Q2 на стандартную обработку (Submit Second Query to Search Engine).
   • Если ДА: Перейти к шагу 4.
4. Идентификация Common Terms: Идентифицируются термины, присутствующие в обоих запросах на одинаковых позициях.
5. Идентификация Differing Terms: Идентифицируются новые, замененные или перемещенные термины в Q2 (Identify Differing Search Terms).
6. Применение логики исключения (Exclusion): Система помечает пары, состоящие из Common Term и смежного Differing Term, как не подлежащие анализу N-грамм (Exclude Differing Search Terms from Bigram Analysis).
7. Идентификация потенциальных N-грамм (Inclusion): Идентифицируются оставшиеся пары для анализа:
   • Пары смежных Common Terms.
   • (Опционально) Пары смежных Differing Terms.
8. Анализ N-грамм: Оставшиеся потенциальные N-граммы сравниваются с базой Known N-grams.
9. Передача запроса: Обработанный запрос Q2 передается в поисковую систему.

Какие данные и как использует

Данные на входе

• Структурные факторы (запроса): Текст запроса и Ordinal Position (порядок слов) являются критически важными входными данными для сравнения Q1 и Q2.
• Пользовательские и Поведенческие факторы (Session Data): История запросов в рамках сессии (Session Log). Идентификатор пользователя и временные метки используются для определения границ сессии.
• Лингвистические данные (Системные): База данных Known Bigrams, предварительно рассчитанная офлайн на основе анализа Document Corpora.

Какие метрики используются и как они считаются

Система использует преимущественно логические операции сравнения и статистические данные:

• Term Match (Совпадение термина): Булева проверка эквивалентности термина в Q1 и Q2.
• Ordinal Position Match (Совпадение порядковой позиции): Булева проверка эквивалентности позиции термина.
• Common Term Identification: $Term Match\ AND\ Ordinal Position Match$.
• N-gram Probability (Вероятность N-граммы): Статистическая вероятность совместного появления слов (выше ожидаемой случайной вероятности), используемая для наполнения базы Known Bigrams.
• Session Boundaries (Границы сессии): Определяются с помощью временных порогов (например, 5-10 минут) или метрик связанности запросов.

1. Контекст сессии активно формирует интерпретацию запроса: Google не рассматривает запросы изолированно. История сессии используется для определения того, как именно пользователь уточняет свой интент на этапе Query Understanding.
2. Уточнения интерпретируются как отдельные сегменты (Негативное определение N-грамм): Система предполагает, что новые слова (Differing Terms), добавленные к запросу, являются модификаторами или новыми концепциями, а не частью фразы со старыми словами (Common Terms). Это позволяет исключить маловероятные комбинации из анализа.
3. Критичность и ограниченность Ordinal Position: Механизм строго зависит от сохранения порядка слов. Если пользователь меняет порядок слов, контекст (в рамках этого механизма) теряется, так как термины перестают считаться "общими" из-за изменения позиции.
4. Двойная цель: Эффективность и Точность: Патент направлен на снижение вычислительной нагрузки за счет сокращения анализа N-грамм и одновременно на повышение точности за счет избегания ложного распознавания фраз при обработке уточняющих запросов.

Best practices (это мы делаем)

• Анализ поисковых сценариев (Search Journeys): Изучайте, как пользователи в вашей нише последовательно уточняют запросы. Понимание типичных путей (от общего к частному) поможет понять, какие термины Google склонен считать устойчивыми фразами (N-граммами), а какие — модификаторами.
• Оптимизация под устоявшиеся N-граммы: Убедитесь, что ключевые понятия (названия продуктов, брендов, услуг) используются в контенте в естественном и последовательном виде. Это повышает вероятность их распознавания как Known Bigrams.
• Структурирование контента под Long-Tail запросы: Создавайте контент, понимая, как Google сегментирует запрос. Патент подтверждает, что система обрабатывает основной объект поиска и добавленные модификаторы как отдельные понятия. Например, для "кроссовки Nike Air Max купить недорого", система выделит "Nike Air Max" (N-грамма) и отдельно учтет "купить" и "недорого" (модификаторы).
• Соблюдение естественного порядка слов: Используйте естественный порядок слов в заголовках и тексте, так как ordinal position учитывается при распознавании фраз.

Worst practices (это делать не надо)

• Игнорирование порядка слов в ключевых фразах: Строгое требование к Ordinal Position указывает на важность структуры фразы. Не стоит полагаться на то, что Google "поймет" намерение, если порядок слов в контенте неестественен.
• Искусственное создание N-грамм: Попытки продвигать неестественные словосочетания неэффективны, так как система опирается на статистический анализ больших корпусов текста (Document Corpora) для идентификации Known Bigrams.
• Оптимизация под случайные сочетания: Не пытайтесь оптимизировать под неестественные сочетания, возникающие при уточнении. Например, по запросу "Hotels New York Cheap", Google, вероятно, исключит "York Cheap" из анализа N-грамм, рассматривая "Cheap" как отдельный модификатор.

Стратегическое значение

Патент подтверждает стратегический переход от анализа изолированных запросов к анализу поведения пользователя в рамках сессии. Для SEO это означает, что стратегически важно понимать весь путь пользователя (Customer Journey Map) и то, как контент сайта соответствует различным этапам этого пути. Google интерпретирует намерение динамически, сегментируя уточненные запросы на основе предыдущих действий пользователя.

Практические примеры

Сценарий 1: Уточнение запроса в E-commerce

1. Анализ поведения: Пользователь ищет Q1: "Холодильник Samsung RB37J". Затем уточняет Q2: "Холодильник Samsung RB37J отзывы".
2. Интерпретация Google (согласно патенту):
   • Common Terms (сохранили позицию): "Холодильник", "Samsung", "RB37J". Они анализируются на N-граммы.
   • Differing Term: "отзывы".
   • Исключение: Пара ("RB37J", "отзывы") исключается из анализа N-грамм. Google понимает, что "отзывы" — это уточнение интента.
3. Действия SEO-специалиста: Оптимизировать страницу продукта так, чтобы она была релевантна как основному продукту (N-грамме), так и интенту "отзывы" (модификатору).

Сценарий 2: Изменение порядка слов (Сброс контекста)

1. Исходный запрос (Q1): "билеты москва париж"
2. Уточненный запрос (Q2): "париж москва билеты"
3. Применение патента: Все слова присутствуют в обоих запросах, но их Ordinal Position изменился. Согласно строгому определению Claim 1, нет Common Terms.
4. Результат: Контекст сбрасывается. Q2 обрабатывается как новый запрос, и все пары ("париж москва", "москва билеты") анализируются стандартным образом.