Яндекс патентует метод разрешения лексической многозначности (Word Sense Disambiguation), не требующий размеченных вручную корпусов. Система находит многозначное слово (омоним) и анализирует его грамматический контекст. Затем она ищет однозначное слово в аналогичном контексте и переносит его лингвистические характеристики (например, часть речи) с однозначного слова на омоним, определяя его значение.
Автор: Виктор Репин
Google использует данные окружающей среды (фоновый звук, изображения), полученные с мобильного устройства одновременно с голосовым запросом, чтобы понять контекст. Если пользователь спрашивает «Кто режиссер этого шоу?», система идентифицирует шоу по звуковой дорожке или изображению и дает точный ответ.
Патент Google описывает инфраструктурный механизм для масштабирования понимания запросов на разные языки. Система берет существующий паттерн запроса на одном языке (например, английское «{что} near {где}»), находит реальные запросы, соответствующие этому паттерну, переводит их и автоматически выявляет эквивалентную структуру запроса на целевом языке. Это позволяет Google быстрее и точнее интерпретировать структурированные запросы (например, локальный поиск) по всему миру.
Система Google для автоматической контекстуализации запросов во время просмотра мультимедиа. Google индексирует сущности (людей, объекты) и точное время их появления в контенте. Когда пользователь задает расплывчатый вопрос (например, «Кто это?»), система использует текущий таймкод для идентификации релевантных сущностей, переписывает запрос с контекстом и предоставляет мгновенный ответ, не прерывая воспроизведение.
Google разработал систему для индексации и поиска 3D-моделей. Система может автоматически аннотировать части объектов (например, определять «объектив» на камере), изучая их форму и расположение. Это позволяет искать 3D-объекты, используя изображения или другие 3D-модели в качестве запроса. Результаты поиска включают интерактивные 3D-модели, которые можно вращать прямо в выдаче (moveable inline).
Google может заменять стандартные поисковые подсказки интерактивными шаблонами, когда распознает намерение пользователя выполнить конкретную задачу (например, конвертацию величин, перевод, поиск авиабилетов). Эти шаблоны содержат редактируемые поля (выпадающие списки, поля ввода), позволяя пользователю сформировать точный структурированный запрос прямо в строке поиска перед отправкой.
Google анализирует текст (например, электронные письма) для идентификации медиа-сущностей (фильмов, книг, музыки). Система автоматически отображает связанный контент, ссылки для покупки и персонализированную информацию, включая активность социальных связей пользователя. Это демонстрирует возможности Google в извлечении сущностей из неструктурированного текста и их связи с действиями и социальным графом.
Google использует автоматический анализ изображений (например, Street View и фото пользователей) для создания Геосемантического индекса. Этот индекс каталогизирует физические особенности мест (скамейки, деревья, игровые площадки) и связывает их с активностями (чтение, прогулка, отдых с детьми). Это позволяет поисковой системе рекомендовать локации на основе того, что там можно делать и какова там атмосфера, а не только на основе названия или категории бизнеса.
Google использует механизм машинного обучения для решения проблемы несогласованности данных в фидах мерчантов. Система анализирует пары товарных предложений с одинаковыми идентификаторами (GTIN, MPN), но разными названиями брендов. Путем расчета метрик схожести (цены, заголовка) и статистического анализа система определяет, являются ли разные названия (например, «HP» и «Hewlett-Packard») синонимами одного и того же бренда для корректной группировки товаров.
Этот патент Google описывает инфраструктурную технологию для экстремально быстрого поиска по векторному сходству (Maximum Inner Product Search). Используя иерархическое квантование (комбинацию VQ и PQ) и оптимизацию на уровне CPU, Google может эффективно находить семантически релевантные документы, представленные в виде векторов (embeddings), среди миллиардов кандидатов в реальном времени.
Google использует систему для анализа и разделения составных слов (компаундов), часто встречающихся в таких языках, как немецкий. Система генерирует различные варианты разделения слова, применяет морфологические изменения и оценивает их, используя статистику из логов поисковых запросов (частотность, совместная встречаемость), данные рекламодателей и анализ анкорных текстов. Модель машинного обучения выбирает наилучший вариант разделения, который затем используется в качестве ключевых слов.
Google использует систему автоматического мониторинга для оценки качества результатов поиска и рекламы. Система строит статистические модели (Time Series Models) на основе исторических данных о поведении пользователей (например, CTR на позиции 1, «длинные клики»). Если текущие показатели значительно отклоняются от прогнозируемых значений, система сигнализирует о падении качества и может автоматически инициировать корректирующие действия, например, откат обновлений индекса или кода.
Google использует систему обработки структурированных фидов данных (например, от ритейлеров или стриминговых сервисов) для точного сопоставления их инвентаря с конкретными сущностями в Knowledge Graph. Это позволяет генерировать пары «сущность-действие» (например, {Фильм X, Смотреть онлайн}), которые используются для показа интерактивных и транзакционных элементов (таких как кнопки «Купить» или «Смотреть») непосредственно в поисковой выдаче, часто в рамках Knowledge Panel.
Яндекс патентует математический метод для оценки результатов A/B тестов. Метод «линеаризации» преобразует сложные поведенческие метрики-отношения (например, клики на запрос) в более простую линейную форму. Это позволяет быстрее, точнее и с меньшими вычислительными затратами определять, действительно ли изменения в поиске улучшают взаимодействие пользователей.
Google использует мультимодальную систему для идентификации продуктов в контенте (например, видео). Система анализирует метаданные (заголовок, описание, субтитры) и визуальные данные (кадры видео) с помощью отдельных моделей. Затем Fusion Model объединяет эти сигналы для точного определения продукта и его временной метки. Результаты используются для автоматического обогащения метаданных контента и улучшения точности субтитров.
Google использует систему для преобразования неструктурированного контента веб-страниц в структурированные данные. Система обучается на примерах, размеченных вручную, для создания обобщенных структурных шаблонов (Template Trees), учитывающих повторяющиеся или опциональные элементы. Затем новые страницы сравниваются с этими шаблонами с помощью метрики «Edit Distance». При совпадении структуры данные автоматически извлекаются и сохраняются в базу данных для использования в поиске.
Патент Google описывает, как голосовые ассистенты на устройствах с экраном (смартфоны, смарт-дисплеи) определяют, предназначена ли им последующая фраза, даже если пользователь не произнес активационное слово («Ok Google»). Система анализирует, связана ли произнесенная команда с контентом, который в данный момент отображается на дисплее, чтобы поддержать естественный диалог.
Google использует систему для отображения прямых трансляций (Live Events) в результатах поиска. Система предварительно фильтрует трансляции, рассчитывая Quality Score на основе авторитетности организатора (Organizer Score), популярности связанных сущностей (Entity Score) и качества описания. В выдаче трансляции появляются, только если они связаны с сущностями в запросе, проходят порог качества и начинаются в ближайшее время, причем временной порог адаптируется в зависимости от интента запроса.
Патент описывает инфраструктурный механизм оптимизации нагрузки на серверы баз данных (Datastore Servers). Если запрос требует операций, для которых нет подходящих индексов, сервер выполняет только эффективную (поддерживаемую) часть запроса. Он возвращает промежуточные результаты и описание невыполненных (ресурсоемких) шагов инициатору запроса.
Google использует этот механизм для улучшения органических результатов. Система определяет, связана ли веб-страница с одним конкретным бизнесом. Затем она верифицирует ее локальную значимость, проверяя, ссылаются ли на нее другие топовые результаты по тому же запросу. Если страница верифицирована, Google дополняет стандартную «синюю ссылку» интерактивными локальными данными, такими как адреса и превью карт.