Яндекс патентует новый интерфейс для взаимодействия с поисковыми подсказками (Suggest). Вместо выбора из статического списка пользователи могут «прокручивать» подсказки непосредственно через поле ввода, как барабан. Интерфейс также поддерживает несколько независимых колонок подсказок, позволяя комбинировать элементы (например, название товара и слово «отзыв») по принципу кодового замка для быстрого формирования сложных запросов.
Автор: Виктор Репин
Патент Google описывает клиентскую технологию, позволяющую пользователю выделить любой элемент на экране (текст или изображение) и мгновенно инициировать поиск. Система автоматически обрабатывает выделенное: применяет OCR к изображениям, дополняет частично выделенные слова и добавляет контекстные слова из окружающего контента для уточнения запроса перед его отправкой в поисковую систему.
Патент Google описывает технический процесс обработки клика по результату поиска картинок. Целевой сайт загружается как основная страница, а поверх нее открывается оверлей (например, iFrame) с полным изображением. Система автоматически прокручивает фон к месту расположения картинки. При закрытии оверлея страница не перезагружается, что улучшает UX и точность аналитики.
Google использует механизм предиктивного кеширования для ускорения работы Ассистента и обеспечения его функциональности офлайн, особенно в автомобилях. Система прогнозирует будущие запросы пользователя и ожидаемое качество сети на основе контекста (время, местоположение, история). Если ожидается плохая связь, ответы заранее загружаются в локальный кеш устройства. При поступлении запроса система мгновенно проверяет кеш, обеспечивая ответ без сетевой задержки.
Google предоставляет инфраструктуру, позволяющую владельцам сайтов определять собственные поисковые подсказки для функции поиска на их ресурсах. Вебмастера загружают данные, связывая вводимые пользователем термины (N-граммы) с желаемыми подсказками. Система индексирует эти данные и предоставляет инструмент (например, плагин или API), который в реальном времени отображает эти кастомные подсказки при вводе запроса пользователем на сайте.
Анализ патента, описывающего архитектуру платформы JotSpot (позже Google Sites). Система рассматривает все элементы (контент, формы, темы) как редактируемые «объекты страниц». Патент фокусируется на механизме «трансформации» для рендеринга контента и динамической интеграции данных из нескольких внешних источников (mashups). Патент не описывает алгоритмы Google Поиска.
Патент описывает технологию, которая анализирует, какую веб-страницу просматривает пользователь, и автоматически отображает связанную «дополнительную информацию» (например, рекламу конкурентов или отзывы). Система работает на стороне клиента, запрашивая контент у стороннего сервера и отображая его в интерфейсе браузера независимо от владельца исходного сайта.
Патент Google описывает технологию для эффективной визуализации связей между выбранным набором элементов внутри большой иерархии (например, организационной структуры или базы данных проектов). Система строит «минимальное дерево» (Minimum Tree), включающее только выбранные элементы и минимальное количество промежуточных узлов, необходимых для их соединения, опуская остальную часть иерархии. Это инфраструктурный патент, не связанный с алгоритмами веб-поиска.
Патент Google, описывающий инфраструктурный механизм для эффективного выполнения персонализированного поиска на основе социальных графов. Система использует гибридный подход («Author Restricts» и «Searcher Restricts») для балансировки размера поискового индекса и сложности поисковых запросов, обеспечивая быстрое получение социально-релевантных результатов.
Google персонализирует рекламу в поисковой выдаче, добавляя социальные аннотации. Система определяет, взаимодействовали ли друзья друзей пользователя (mutual connections) с рекламируемым брендом в социальной сети (например, лайкнули или оставили отзыв). Если да, реклама отображается с упоминанием этих людей и их действий для повышения доверия к объявлению.
Яндекс патентует метод оптимизации поиска почти дублирующихся видеофайлов. Чтобы избежать дорогостоящего сравнения всех видео, система сначала фильтрует кандидатов по длительности. Допустимое отклонение длительности рассчитывается динамически (например, как процент от оригинала) на основе длины исходного видео. Если длительность кандидата выходит за эти рамки, он отбрасывается, экономя вычислительные ресурсы.
Яндекс патентует метод поведенческого таргетинга (например, рекламы), который не использует уникальные идентификаторы пользователей. Вместо централизованного отслеживания система хранит не уникальный профиль (принадлежность к группе/сегменту) на устройстве клиента. Этот профиль динамически обновляется на основе категорий посещаемых сайтов, позволяя показывать релевантную рекламу для группы, сохраняя анонимность индивида.
Яндекс патентует метод для эффективной и статистически надежной оценки новых факторов ранжирования (features) или новых обучающих данных (training samples). Вместо полной перетренировки модели, система оценивает влияние нового фактора на ошибку предсказания в диапазоне итераций перед точкой переобучения. Для принятия решения о включении фактора используются статистические тесты (например, тест Уилкоксона).
Google использует систему для оптимизации показа рекламы на сайтах. Она анализирует исторические данные о поведении пользователей (скроллинг, просмотры) и может определять, какая часть страницы наиболее релевантна запросу, приведшему пользователя. Система приоритизирует рекламные слоты, которые пользователь, скорее всего, увидит, и может динамически менять рекламу местами в ответ на скроллинг.
Патент описывает технологию для рекламных систем (например, Google Ads), позволяющую динамически генерировать персонализированную визуальную витрину (коллаж или каталог) продуктов от одного рекламодателя. Система выбирает наиболее релевантные товары на основе данных о пользователе и контексте, а затем формирует интерактивный блок, часто активируемый при взаимодействии со стандартным объявлением.
Яндекс патентует двухэтапный метод для эффективного поиска дубликатов аудиофайлов. Система сначала быстро отбирает кандидатов, сравнивая короткие аудио-отпечатки (например, первые 21 секунды) через специализированный индекс (Pruning Index). Затем она проводит детальную валидацию, побитово сравнивая длинные отпечатки (например, первые 120 секунд), учитывая возможные временные сдвиги до +/- 20 секунд.
Google использует статистический метод (вероятно, K-Minimum Values) для быстрой оценки количества уникальных результатов поиска без точного подсчета. Система хеширует результаты, отслеживает наименьшие значения хеша и экстраполирует общее число. Это позволяет эффективно работать в распределенной среде для отображения статистики в SERP и фасетной навигации.
Google использует этот механизм для персонализации выдачи, смешивая личные контакты пользователя с веб-результатами. Система рассчитывает «Показатель индикации контакта» (Contact Indication Measure) на основе запроса и контекста (например, используемого интерфейса), чтобы определить вероятность того, что пользователь ищет контакт. Затем она ранжирует личные контакты относительно веб-страниц, решая, что показать более заметно.
Патент Google, описывающий технический метод повышения эффективности расчета итеративных алгоритмов ранжирования, таких как PageRank. Система использует тот факт, что ранги некоторых страниц стабилизируются (сходятся) быстрее, чем других. Определяя эти сошедшиеся ранги, система исключает их из активных вычислений на последующих итерациях, тем самым значительно сокращая общие вычислительные затраты.
Google использует механизм защиты конфиденциальности в персонализированном поиске. Если контакт из социального графа оставляет рекомендацию анонимно, система рассчитывает «Оценку угадываемости» (Guessable Score). Если существует высокий риск того, что ищущий пользователь сможет идентифицировать автора (например, из-за малого количества других анонимных отзывов), рекомендация скрывается.