Как Google реализует функцию «Выделить и Искать» с интеллектуальным уточнением запроса на стороне клиента

Термины и определения

Context Words (Контекстные слова)

Слова, взятые из невыделенной области GUI, окружающей выделенный пользователем фрагмент. Используются для автоматического уточнения и дополнения поискового запроса на стороне клиента.

Conversion Unit (Блок конвертации)

Компонент системы, отвечающий за преобразование выделенных данных (например, изображений) в текст. Использует OCR.

GUI (Graphical User Interface, Графический интерфейс пользователя)

Среда (приложение, ОС, браузер), из которой пользователь выделяет контент для поиска.

OCR (Optical Character Recognition, Оптическое распознавание символов)

Технология для преобразования текста на изображениях в машиночитаемый текст.

Partial Word (Частичное слово)

Слово, которое было выделено пользователем не полностью. Система автоматически пытается его дополнить.

Query Creation Unit (Блок создания запроса)

Компонент, который обрабатывает текст и формирует итоговый поисковый запрос (Query Parameter).

Selection Processing Unit (Блок обработки выделения)

Компонент, отвечающий за перехват действий пользователя по выделению контента в GUI и извлечение соответствующих данных (текста или изображения).

Text Processing Unit (Блок обработки текста)

Компонент, выполняющий интеллектуальную обработку текста: дополнение частичных слов, добавление Context Words, удаление стоп-слов.

Ключевые утверждения (Анализ Claims)

Патент фокусируется на интеллектуальной обработке выделенного контента на стороне клиента для улучшения качества запроса.

Claim 1 (Независимый пункт): Описывает основной метод предоставления параметров запроса.

1. Система получает выделение, определяющее область в GUI.
2. Идентифицируются выделенные элементы в этой области и конвертируются в текстовые данные.
3. Этап Дополнения: Система определяет наличие частичного слова (partial word). Она идентифицирует невыделенные элементы (unselected elements) за пределами выделенной области, которые могут завершить это слово, и добавляет их к выделенным данным.
4. Этап Контекстуализации: Система определяет контекст на основе невыделенных элементов и генерирует дополнительные термины запроса (query terms) на основе этого контекста. Эти термины отличаются от данных, использованных на этапе Дополнения.
5. Создается итоговый параметр запроса, включающий дополненный текст и контекстные термины.
6. Параметр предоставляется поисковой системе.

Ядро изобретения заключается в использовании невыделенного контента для улучшения выделенного контента на стороне клиента.

Claim 3 и 9 (Зависимые): Уточняют, что если выделенные элементы являются изображением или содержат текст в виде изображения, конвертация включает использование OCR для извлечения текста.

Claim 21 (Независимый пункт): Описывает устройство (аппаратуру) для реализации метода.

Устройство включает блок обработки ввода для приема кликов мыши, определяющих область GUI, и блок создания запроса. Блок создания запроса содержит:

• Conversion Unit для преобразования данных в текст с использованием OCR.
• Text Processing Unit для выполнения интеллектуальной обработки: определения и дополнения частичных слов, определения контекста, генерации дополнительных терминов и создания финального запроса.

Где и как применяется

Важно понимать, что этот патент не описывает внутренние процессы поисковой системы Google (такие как CRAWLING, INDEXING, RANKING). Он описывает работу клиентского приложения (например, тулбара, расширения браузера или функции операционной системы).

Применение описанных механизмов происходит ДО того, как запрос попадает в стандартную архитектуру поиска Google.

Взаимодействие с компонентами системы:

• Система взаимодействует с ОС и приложениями на устройстве пользователя для перехвата выделений в GUI и доступа к отображаемому контенту.
• Она взаимодействует с поисковой системой как внешний клиент, отправляя стандартный сформированный запрос.

Входные данные:

• Действия пользователя по выделению (координаты мыши, клики).
• Данные из выделенной области GUI (текст или данные изображения/скриншот).
• Данные из невыделенной (окружающей) области GUI для контекстного анализа.

Выходные данные:

• Сформированный текстовый поисковый запрос, отправленный в поисковую систему (часто в виде URL через браузер).

На что влияет

• Формулировка запроса: Основное влияние патент оказывает на то, как именно формулируется запрос, отправляемый пользователем. Запросы становятся более точными за счет автоматического дополнения и контекстуализации.
• Типы контента: Позволяет инициировать поиск по любому видимому контенту, включая текст в изображениях (благодаря OCR) и не копируемый текст.

Когда применяется

• Триггеры активации: Активируется исключительно по действию пользователя — выделение контента и выполнение команды поиска (например, через контекстное меню, специальную кнопку мыши или жест).
• Условия работы: Наличие графического интерфейса и возможность системы перехватывать данные, отображаемые на экране.

Пошаговый алгоритм

Процесс работы системы на стороне клиента:

1. Получение выделения: Система получает сигналы от устройства ввода (например, начало и конец нажатия кнопки мыши), определяя координаты выделения в GUI.
2. Определение типа данных: Система анализирует область выделения, чтобы определить, присутствует ли там выделяемый текст или это изображение.
3. Извлечение данных:
   • Если текст присутствует: Извлекается выделенный текст.
   • Если текста нет: Извлекаются графические данные (image data) из выделенной области.
4. Конвертация (при необходимости): Если были извлечены графические данные, применяется OCR для их преобразования в текст.
5. Интеллектуальная обработка текста: Текст обрабатывается для улучшения качества запроса:
   • Дополнение частичных слов: Если выделение закончилось на середине слова, система ищет невыделенные символы в GUI рядом, чтобы дополнить слово.
   • Удаление слов: Опциональное удаление стоп-слов (упомянуто в описании).
   • Добавление контекста: Анализ невыделенных слов в окружающем GUI для определения контекста. Если выделено неоднозначное слово, система может добавить уточняющее слово, найденное рядом.
6. Создание запроса: Формирование финального Query Parameter из обработанного и дополненного текста.
7. Передача запроса: Система создает URL, содержащий Query Parameter, запускает браузер и передает URL поисковой системе.

Какие данные и как использует

Данные на входе

Патент фокусируется исключительно на данных, отображаемых в графическом интерфейсе пользователя на клиентском устройстве.

• Контентные факторы: Текст, выделенный пользователем в GUI.
• Мультимедиа факторы: Изображения (графические данные, image data) из выделенной области GUI.
• Контекстные данные (GUI): Текст или изображения из невыделенной области GUI, окружающей выделение. Используются как Context Words и для дополнения частичных слов.
• Пользовательские факторы: Действия пользователя по выделению (координаты, сигналы устройства ввода).

Какие метрики используются и как они считаются

Патент не описывает метрики ранжирования или оценки качества контента. Он описывает методы обработки пользовательского ввода на стороне клиента.

• Методы анализа изображений: Используется OCR для конвертации изображений в текст.
• Методы анализа текста (NLP): Применяются эвристические методы для определения границ слов (необходимые для дополнения частично выделенных слов) и для идентификации релевантных Context Words в окружающем тексте. Также упоминается определение языка и удаление стоп-слов.

Патент является чисто техническим и описывает инфраструктурные процессы на стороне клиента (UI/UX). Он не дает практических выводов для SEO-специалистов, направленных на улучшение ранжирования сайта.

1. Клиентская технология, а не алгоритм ранжирования: Все описанные механизмы работают на устройстве пользователя и направлены на формирование более качественного запроса до его отправки в поисковую систему.
2. Автоматическое улучшение запроса (Query Augmentation): Ключевая инновация патента — это интеллектуальная обработка выделенного фрагмента. Система автоматически дополняет неполные слова и добавляет контекстные термины.
3. Использование невыделенного контента: Система активно использует контент, который пользователь не выделил, но который находится рядом, для уточнения интента (Claim 1).
4. Универсальный ввод через OCR: Патент демонстрирует стремление сделать любой видимый контент источником запроса, используя OCR для извлечения текста из изображений.
5. Предшественник современных технологий: Этот патент можно рассматривать как раннюю реализацию концепций, которые сегодня развиты в таких продуктах, как Google Lens и «Circle to Search».

Патент скорее инфраструктурный (в части UI/UX) и не дает практических выводов для SEO.

Best practices (это мы делаем)

В патенте нет информации, которая могла бы повлиять на Best Practices в SEO с целью улучшения ранжирования. Патент не касается оптимизации сайтов.

Worst practices (это делать не надо)

В патенте нет информации о худших практиках в SEO или о методах борьбы с манипуляциями.

Стратегическое значение

Стратегическое значение для SEO минимально. Патент подтверждает долгосрочный фокус Google на улучшении пользовательского опыта и стремлении максимально точно понять информационную потребность пользователя в том контексте, в котором она возникает. Это часть глобальной стратегии по упрощению доступа к информации, но она не меняет фундаментальные принципы ранжирования.

Практические примеры

Практических примеров для SEO нет, так как патент описывает функционал пользовательского интерфейса. Ниже приведен пример работы описанного механизма с точки зрения UX.

Сценарий: Уточнение неоднозначного запроса с помощью контекста

1. Контент на экране: Статья о животных: «Ягуары (Jaguars) — это крупные кошки, обитающие в Америке. Они тесно связаны со львами и тиграми».
2. Действие пользователя: Пользователь выделяет только слово «Jaguars».
3. Обработка системой (Client-Side): Клиентский инструмент анализирует окружающий невыделенный текст («крупные кошки», «львами», «тиграми»).
4. Уточнение запроса: Чтобы исключить результаты об автомобилях, система идентифицирует Context Words (например, «кошки») и добавляет их к запросу.
5. Результат: В поисковую систему отправляется запрос «Jaguars кошки» вместо просто «Jaguars», что обеспечивает более релевантную выдачу.