Как Google использует контент, который вы сейчас просматриваете, для фильтрации и уточнения вашей поисковой выдачи

Термины и определения

Context Information (Контекстная информация)

Данные, связанные с текущей активностью пользователя, используемые для определения его интересов. Это может быть URL просматриваемой страницы, загруженный документ или выделенный фрагмент текста (snippet).

First Scores (Первичные оценки)

Метрики, отражающие меру релевантности между Context Information и конкретной темой (Topic) в иерархии. Используются для выбора доминирующей темы контекста.

Hierarchy of Topics (Иерархия тем и подтем)

Предопределенная таксономия или структура данных, классифицирующая знания по категориям и подкатегориям. Патент упоминает использование внешних источников, таких как Open Directory Project или Yahoo! Directory.

Second Scores (Вторичные оценки)

Метрики, отражающие меру релевантности между результатом поиска и выбранной доминирующей темой (Topic). Используются для финальной фильтрации или переранжирования выдачи.

Combined Score (Комбинированная оценка)

Оценка релевантности темы, которая агрегирует оценки самой темы и всех её подтем в иерархии.

Topic (Тема)

Категория предметной области в Hierarchy of Topics.

Weighting Factors (Весовые коэффициенты)

Значения (W1, W2.1 и т.д.), присваиваемые темам или уровням иерархии. Используются для корректировки оценок релевантности, например, на основе популярности темы или количества связанного с ней контента.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс фильтрации поиска на основе контекста.

1. Система получает запрос и информацию, идентифицирующую документ (Context Information).
2. Получаются стандартные результаты поиска по запросу.
3. Анализируется контекстная информация для извлечения контента.
4. Генерируется множество First Scores, измеряющих релевантность контента к темам в Hierarchy of Topics.
5. Выбирается тема (Topic), наиболее релевантная контексту (с наивысшим First Score).
6. Генерируется множество Second Scores, измеряющих релевантность результатов поиска к выбранной теме.
7. Выбираются результаты поиска, наиболее релевантные теме (с наивысшими Second Scores).
8. Генерируется и предоставляется документ с отфильтрованными результатами.

Claim 5 (Зависимый): Вводит порог уверенности (Confidence Threshold) для активации механизма.

1. Система определяет, превышает ли наивысший First Score установленный порог.
2. Если НЕТ (система не уверена в теме контекста), отправляются стандартные результаты поиска (без фильтрации).
3. Если ДА, отправляются отфильтрованные результаты.

Claim 6 (Зависимый): Вводит порог для разрешения неоднозначности (Ambiguity Threshold).

1. Система определяет, превышает ли наивысший First Score следующую за ним оценку на величину, большую порогового значения (т.е. есть ли явный лидер среди тем).
2. Если НЕТ (контекст релевантен нескольким темам одновременно), отправляются стандартные результаты поиска.
3. Если ДА, отправляются отфильтрованные результаты по теме-лидеру.

Claim 9 (Зависимый): Детализирует метод расчета First Scores с использованием иерархии.

1. Идентифицируется количество терминов в контенте, которые соответствуют каждой теме и подтеме.
2. Назначаются оценки на основе этих количеств.
3. Для каждой темы генерируется Combined Score путем объединения оценки самой темы и оценок ее подтем.
4. Выбирается тема с наивысшей Combined Score.

Где и как применяется

Изобретение применяется на финальных этапах обработки поискового запроса, модифицируя стандартную выдачу на основе контекста пользователя.

INDEXING – Индексирование и извлечение признаков
Система может предварительно (офлайн) классифицировать документы в индексе по темам из Hierarchy of Topics и рассчитывать для них Second Scores (релевантность документа теме). Это позволяет ускорить обработку запросов в реальном времени.

RANKING – Ранжирование
На этом этапе генерируется стандартный набор результатов поиска, релевантных только запросу пользователя.

RERANKING – Переранжирование (или METASEARCH – Смешивание)
Основной этап применения патента. Система активируется, если доступна Context Information.

1. Анализ контекста: Вычисляются First Scores для определения доминирующей темы контекста.
2. Принятие решения (Filtering Decision): Система проверяет пороги уверенности и неоднозначности (Claims 5, 6). Если они пройдены, механизм фильтрации активируется.
3. Фильтрация и Сортировка: Результаты этапа RANKING фильтруются (отбираются) или пересортировываются на основе их Second Scores (релевантности выбранной теме).

Входные данные:

• Поисковый запрос.
• Context Information (URL, документ, текст).
• Стандартные результаты поиска (от этапа RANKING).
• Hierarchy of Topics и Weighting Factors.

Выходные данные:

• Отфильтрованный или переранжированный список результатов поиска, релевантный контекстуальной теме.

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на широкие или неоднозначные запросы (например, "Ягуар", "Рок", "Apple"), где контекст необходим для уточнения интента. Для узкоспециализированных запросов влияние минимально.
• Типы контента: Влияет на все типы контента, которые могут быть классифицированы в рамках Hierarchy of Topics.

Когда применяется

• Условия активации: Алгоритм применяется только тогда, когда система получает Context Information вместе с запросом. Это может происходить, когда пользователь инициирует поиск со страницы, которую он активно просматривает.
• Триггеры и пороги: Механизм фильтрации активируется только при высокой уверенности системы:
  • Наивысший First Score должен превышать порог уверенности (Claim 5).
  • Наивысший First Score должен значительно превосходить следующую оценку (порог неоднозначности, Claim 6).
• Исключения: Если контекст слишком широк, неоднозначен или если по выбранной теме нет достаточно релевантных результатов (упоминается порог для Second Scores в Claim 7), система возвращает стандартную выдачу.

Пошаговый алгоритм

1. Получение данных: Система получает поисковый запрос и Context Information от клиента.
2. Генерация стандартных результатов: Выполняется поиск по запросу для получения стандартного набора результатов (SR).
3. Анализ контекста: Context Information анализируется для извлечения контента (ключевых слов, фраз и т.д.). Если контекст – это URL, документ загружается или извлекается из кеша.
4. Получение иерархии: Извлекается Hierarchy of Topics.
5. Расчет Первичных Оценок (First Scores):
   • Контент контекста сопоставляется с темами и подтемами в иерархии.
   • Для каждой темы рассчитывается оценка релевантности, часто как Combined Score, учитывающий оценки подтем и, возможно, Weighting Factors.
6. Выбор Темы и Валидация:
   • Идентифицируется тема с наивысшим First Score.
   • Проверяются пороги (Уверенность и Неоднозначность).
   • Если пороги не пройдены: перейти к шагу 10 (стандартная выдача).
   • Если пороги пройдены: Тема выбрана (T).
7. Расчет Вторичных Оценок (Second Scores): Для каждого результата поиска (SR) рассчитывается мера его релевантности выбранной теме (T). Это может быть сделано в реальном времени или путем извлечения предварительно рассчитанных оценок из индекса.
8. Выбор результатов: Результаты поиска выбираются на основе их Second Scores (например, Топ-L результатов или результаты с оценкой выше порога).
9. Формирование выдачи: Генерируется финальный документ с отфильтрованными результатами. Порядок может основываться на Second Scores, стандартных оценках ранжирования или их комбинации.
10. Предоставление результатов: Документ отправляется клиенту.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании контентных и структурных данных для классификации.

• Контентные факторы: Ключевые слова, фразы, изображения, видео, извлеченные из Context Information. Также анализируется контент результатов поиска для определения их тематической релевантности.
• Технические факторы: URL или адрес контекстного документа используется для его получения.
• Структурные факторы (Системные): Hierarchy of Topics – предопределенная таксономия, используемая как эталон для классификации. Weighting Factors, присвоенные узлам этой иерархии.

Какие метрики используются и как они считаются

• First Scores (и Combined Score): Мера релевантности контекста теме. Рассчитывается путем идентификации количества совпадающих терминов между контентом и темой/подтемами. Патент описывает возможность суммирования оценок по иерархии. Например, простое суммирование: $S = T+S1+S2+S3$ (где T - оценка темы, S1..S3 - оценки подтем). Или взвешенное суммирование (Weighted Score, WS): $WS = W1*T + W1.1*S1 + ...$.
• Second Scores: Мера релевантности результата поиска выбранной теме. Рассчитывается аналогично First Scores, но источником контента является результат поиска.
• Пороги (Thresholds): Используются для валидации First Scores. Проверяется абсолютное значение оценки (Confidence) и ее отрыв от ближайшего конкурента (Ambiguity), чтобы избежать фильтрации при слабом или неоднозначном контексте.

1. Контекст может радикально менять выдачу: Патент описывает механизм, при котором текущий контекст пользователя (просматриваемый контент) может полностью переопределить поисковую выдачу, фильтруя ее по теме, даже если сам запрос является широким или неоднозначным.
2. Зависимость от классификации контента: Эффективность системы напрямую зависит от качества Hierarchy of Topics и способности алгоритмов точно классифицировать контент (как контекст, так и результаты поиска) в рамках этой иерархии.
3. Двухэтапная оценка релевантности: Система использует двухэтапный процесс: сначала определяется тема контекста (First Scores), а затем оценивается релевантность результатов этой теме (Second Scores). Это смещает фокус с прямой релевантности запросу на релевантность теме.
4. Важность иерархической структуры (Topical Depth): Расчет Combined Score (Claim 9) показывает, что система учитывает не только основную тему, но и ее подтемы. Контент, который глубоко и иерархически охватывает тему, будет иметь более высокие оценки релевантности.
5. Система предохранителей (Fail-safes): Патент включает критически важные механизмы защиты от ошибок (Claims 5, 6). Если система не уверена в теме контекста (оценки низкие или слишком близкие), она не применяет фильтрацию, чтобы не ухудшить пользовательский опыт.

Best practices (это мы делаем)

• Усиление тематического авторитета (Topical Authority): Создавайте контент, который четко и однозначно соответствует определенным темам и подтемам. Система должна быть способна легко классифицировать вашу страницу в рамках своей Hierarchy of Topics.
• Использование тематически релевантной терминологии: Насыщайте контент терминами и фразами, которые ассоциируются с конкретными узлами в тематической иерархии. Патент указывает (Claim 9), что классификация основана на сопоставлении терминов. Ориентируйтесь на терминологию, используемую в авторитетных, энциклопедических источниках.
• Четкая структура и иерархия контента: Организуйте контент в иерархические кластеры. Механизм расчета Combined Score учитывает релевантность как основной теме, так и её подтемам. Хорошо структурированный контент помогает системе точнее определить его место в иерархии и повысить оценку.
• Оптимизация под контекстные сценарии: Понимайте, в каком контексте пользователи могут искать информацию. Если пользователь находится на тематическом ресурсе и ищет связанную информацию, ваш контент должен строго соответствовать этой теме, чтобы пройти фильтрацию по Second Scores.

Worst practices (это делать не надо)

• Создание смешанного или поверхностного контента: Контент, который пытается охватить слишком много разных тем без глубины, будет иметь низкие First Scores и Second Scores по конкретным темам, что затруднит его классификацию и ранжирование в контекстном поиске.
• Игнорирование структуры контента: Сплошной текст без четкой иерархии и выделения подтем усложняет системе расчет Combined Score и точное определение тематической релевантности.
• Фокус только на ключевых словах без учета темы: Оптимизация под конкретный запрос без учета более широкой тематической принадлежности страницы рискованна. Страница может быть отфильтрована, если контекст пользователя указывает на другую тему, даже если запрос совпадает.

Стратегическое значение

Этот патент подтверждает стратегическую важность понимания того, как Google классифицирует контент по темам для целей контекстного поиска и уточнения интента. Для SEO это означает необходимость перехода от оптимизации под изолированный "запрос" к оптимизации под "тему" (Topic). Долгосрочная стратегия должна фокусироваться на том, чтобы сайт стал авторитетным источником для конкретного узла (или кластера узлов) в тематической иерархии Google.

Практические примеры

Сценарий: Уточнение неоднозначного запроса "Ягуар"

1. Контекст (Context Information): Пользователь читает статью на автомобильном портале о новом электрическом внедорожнике. URL этой статьи используется как контекст.
2. Запрос (Query): Пользователь вводит запрос "Ягуар".
3. Анализ контекста: Система анализирует статью и рассчитывает First Scores. Оценка для темы "Автомобили" значительно выше, чем для темы "Животные" или "Биология". Пороги уверенности пройдены.
4. Выбор темы (Topic): Выбрана тема "Автомобили".
5. Генерация результатов: Система получает стандартные результаты по запросу "Ягуар" (информация о животном, сайт автопроизводителя, новости).
6. Фильтрация (Second Scores): Система рассчитывает Second Scores для этих результатов на предмет их релевантности теме "Автомобили". Статьи о животном получают низкие оценки.
7. Результат: Пользователь видит выдачу, где доминируют результаты, связанные с автомобильным брендом Jaguar, отфильтровав нерелевантную информацию о животном.