Как Google извлекает даты и локации из контента для отображения результатов на карте и временной шкале

Термины и определения

Character Offsets (Смещения символов)

Точные позиции в тексте документа, где были найдены даты или локации. Сохраняются в индексе и используются для генерации сниппетов, окружающих извлеченные данные, а не совпадения с запросом.

Geopoint (Геоточка) / Geographic Location

Географическая локация, извлеченная из документа и преобразованная в формат, пригодный для отображения на карте (например, широта и долгота).

Histogram (Гистограмма)

Визуальное представление распределения частоты дат в результатах поиска. Используется на временной шкале для демонстрации кластеров результатов в определенные периоды времени.

Information Extraction (Извлечение информации)

Процесс автоматического извлечения структурированных данных (дат, локаций) из неструктурированного контента или метаданных.

Presentation Engine (Механизм представления)

Компонент поисковой системы, отвечающий за форматирование результатов поиска, определение масштаба графа и генерацию пользовательского интерфейса (карты или временной шкалы).

Query Refinement (Уточнение запроса)

Процесс, при котором пользовательское взаимодействие с результатом (например, клик по маркеру на карте) используется для добавления терминов к исходному запросу и выполнения нового, более точного поиска.

Timeline View / Map View (Временная шкала / Карта)

Одномерное и двухмерное представление результатов поиска, организованных по времени или пространству соответственно.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основную систему отображения результатов поиска, включающую как карту, так и временную шкалу.

1. Система хранит индекс, где записи включают географические локации, извлеченные из соответствующих документов.
2. Система получает поисковый запрос, который содержит ключевое слово, но НЕ содержит географической информации.
3. Генерируется список записей индекса, которые (i) релевантны запросу и (ii) содержат географическую локацию.
4. Предоставляется страница результатов, включающая подмножество этого списка.
5. На этой же странице результатов генерируются:
   • (i) Карта, использующая извлеченные географические локации. Карта включает маркеры позиций, связанные с документами.
   • (ii) Временная шкала, использующая даты, извлеченные из тех же самых документов, что показаны на карте.

Ядро изобретения заключается в комбинации извлечения пространственных и темпоральных данных и одновременном отображении карты и временной шкалы для результатов негеографического запроса.

Claim 2 и 3 (Зависимые): Уточняют источник извлечения данных. Географическая локация может быть извлечена из контента документа (Claim 2) или из метаданных документа (Claim 3).

Claim 4 и 5 (Зависимые): Описывают обработку документов с несколькими географическими локациями.

• Claim 4: Система может отображать на карте каждую из нескольких локаций, найденных в одном документе.
• Claim 5: Система может вычислять оценку ранжирования (ranking score) для каждой локации в документе и отображать только выбранное подмножество наиболее релевантных локаций.

Где и как применяется

Изобретение затрагивает этапы индексирования и финального представления результатов.

INDEXING – Индексирование и извлечение признаков
Это критически важный этап (Pre-processing). Модуль Information Extraction анализирует контент, метаданные (и, согласно описанию патента, анкоры входящих ссылок) для идентификации и извлечения дат и geopoints. Извлеченные данные, а также их Character Offsets в документе, сохраняются в индексе.

RANKING – Ранжирование
Search Engine выполняет стандартный поиск. Ranking Score используется для определения релевантности документов. Также может рассчитываться ranking score для отдельных фактов внутри документа (Claim 5).

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование (Уровень Представления)
На этом этапе работает Presentation Engine. Он анализирует набор результатов на наличие темпоральных или пространственных данных.

1. Определение масштаба: Система определяет оптимальный временной диапазон или географическую область. (В патенте упоминается возможность давать меньший вес недавним датам при выборе масштаба).
2. Форматирование визуализации: Для временной шкалы генерируется Histogram. Для карты генерируются маркеры.
3. Генерация сниппетов: Сниппеты могут быть сгенерированы с использованием Character Offsets, чтобы выделить текст вокруг извлеченной даты или локации, а не вокруг совпадения с ключевыми словами запроса.
4. Формирование SERP: Генерируется финальный интерфейс (карта, временная шкала, список).

Входные данные:

• (Офлайн): Контент, метаданные, анкоры документов.
• (Онлайн): Запрос пользователя; набор ранжированных результатов; извлеченные даты, локации и Character Offsets из индекса.

Выходные данные:

• Отформатированная страница результатов поиска (SERP), включающая интерактивные визуализации и адаптированные сниппеты.

На что влияет

• Конкретные типы контента и ниши: Наибольшее влияние на контент, богатый данными: исторические статьи, биографии, страницы событий, туристические гиды, новостные архивы, локальный бизнес (Local SEO).
• Специфические запросы: Влияет на широкие информационные запросы, которые не содержат явных указаний на время или место, но имеют сильные темпоральные или пространственные измерения (например, [JFK], [civil war]).

Когда применяется

• Условия применения: Когда в топовых результатах поиска содержится достаточное количество документов с извлекаемыми датами и/или географическими локациями.
• Триггеры активации: Отображение может быть активировано по умолчанию или по выбору пользователя. Claim 1 фокусируется на сценарии, когда визуализация генерируется в ответ на запрос без географической информации.

Пошаговый алгоритм

Фаза А: Офлайн (Индексирование и Предварительная обработка)

1. Сканирование данных: Сбор контента документов.
2. Извлечение данных (Information Extraction): Анализ контента, метаданных и анкоров на наличие дат и локаций.
3. Нормализация и геокодирование: Даты нормализуются, а локации преобразуются в geopoints (широта/долгота).
4. Сохранение в индексе: Извлеченные данные и их Character Offsets сохраняются в индексе вместе с записью документа.

Фаза Б: Онлайн (Обработка запроса и Визуализация)

1. Получение запроса: Система получает запрос от пользователя.
2. Поиск результатов: Определение релевантных документов и извлечение ассоциированных данных.
3. Определение масштаба: Presentation Engine анализирует распределение данных и выбирает оптимальный масштаб (временной диапазон или географическую область).
4. Форматирование графа:
   • Для временной шкалы: Генерируется Histogram. Результаты могут упорядочиваться хронологически.
   • Для карты: Генерируются маркеры в соответствующих geopoints. Результаты упорядочиваются по рангу.
5. Генерация сниппетов: Сниппеты формируются на основе Character Offsets вокруг извлеченных данных.
6. Отображение SERP: Отформатированные результаты (включая карту и/или временную шкалу) отправляются пользователю.

Фаза В: Взаимодействие (Уточнение запроса)

1. Получение выбора результата: Пользователь взаимодействует с визуализацией (например, кликает на маркер на карте).
2. Определение терминов для уточнения: Система определяет термины, связанные с выбранным результатом (например, название локации).
3. Выполнение уточненного запроса (Query Refinement): Новые термины добавляются к исходному запросу, и выполняется новый поиск (например, асинхронно через AJAX).
4. Отображение уточненных результатов: Результаты нового поиска отображаются пользователю (например, во всплывающем окне на карте).

Какие данные и как использует

Данные на входе

• Контентные факторы: Основной источник данных. Текстовый контент страниц анализируется для извлечения дат и названий географических локаций. Критически важны Character Offsets этого текста для генерации сниппетов.
• Технические факторы (Метаданные): Метаданные документа могут использоваться как источник для извлечения локаций (Claim 3). Это может включать микроразметку.
• Ссылочные факторы: В описании патента упоминается, что даты или локации могут быть извлечены из HTML-анкоров, указывающих на документ.

Какие метрики используются и как они считаются

• Анализ распределения (Distribution Analysis): Подсчет частоты дат в результатах поиска в пределах определенных временных интервалов. Используется для генерации Histogram на временной шкале.
• Геокодирование (Geocoding): Процесс преобразования текстовых описаний локаций в географические координаты (geopoints).
• Ranking Scores (Оценки ранжирования): Используются для определения того, какие результаты отображать в визуализации (например, Топ-N). Также могут использоваться для выбора наиболее релевантного факта (даты или локации), если в документе их несколько (Claim 5).
• Определение масштаба (Scale Determination): Алгоритмы для выбора оптимального временного диапазона или географической области на основе плотности и распределения данных.

1. Критическая роль извлечения структурированных данных (Information Extraction): Патент подтверждает, что Google активно извлекает факты (даты, локации) непосредственно из неструктурированного текста, метаданных и анкоров на этапе индексирования.
2. Альтернативные визуализации SERP (Карта + Шкала): Система предоставляет возможность навигации по результатам на основе времени и пространства. Claim 1 защищает одновременное отображение карты и временной шкалы для результатов негеографического запроса.
3. Динамическая генерация сниппетов на основе фактов: Система использует Character Offsets для генерации сниппетов, фокусирующихся на извлеченных датах или локациях. Это означает, что сниппет в таком представлении может отличаться от стандартного сниппета, основанного на совпадении с запросом.
4. Обработка множественных данных на странице: Один документ может быть представлен несколько раз в визуализации, если он содержит несколько релевантных фактов. Система может отобразить их все или выбрать наиболее релевантные на основе ranking score.
5. Интерактивность и уточнение запроса: Визуализации являются интерактивными. Взаимодействие с картой (клик по маркеру) может служить механизмом для автоматического уточнения запроса (Query Refinement).

Best practices (это мы делаем)

• Обеспечение четкости и извлекаемости фактов: Убедитесь, что ключевые даты и географические локации написаны в основном контенте четко и недвусмысленно. Используйте полные форматы дат и уточняйте локации (например, "Gettysburg, Pennsylvania", а не просто "Gettysburg"). Это облегчает Information Extraction.
• Оптимизация контекста вокруг данных (Snippet Optimization): Поскольку система может использовать текст вокруг извлеченной даты или локации для сниппета (используя Character Offsets), необходимо предоставлять четкий и информативный контекст рядом с этими данными.
• Использование текстового формата и микроразметки: Отдавайте предпочтение HTML-тексту, а не изображениям. Подкрепляйте текстовые данные соответствующей разметкой Schema.org (Event, Place), что соответствует извлечению из "метаданных" (Claim 3) и повышает точность интерпретации.
• Комплексное освещение темы: При создании контента о сущностях или событиях старайтесь полно освещать ключевые даты и локации. Патент подтверждает, что один документ может быть источником множества точек данных.

Worst practices (это делать не надо)

• Скрытие данных в медиа: Размещение ключевых дат и локаций только в изображениях, видео или труднодоступных для краулера элементах препятствует их извлечению.
• Неоднозначные или относительные данные: Упоминание дат в формате ("в прошлом месяце") или локаций без достаточного контекста (страны, региона) снижает возможность их использования системой визуализации.

Стратегическое значение

Этот патент подтверждает стратегию Google по переходу от сопоставления ключевых слов к пониманию сущностей и структурированных данных ("Things, not Strings"). SEO-стратегии должны быть направлены на облегчение этого извлечения. Визуализации, такие как временные шкалы и карты (включая локальный поиск), существенно влияют на представление результатов за пределами стандартных синих ссылок и могут улучшать взаимодействие пользователей с контентом (CTR).

Практические примеры

Сценарий 1: Оптимизация страницы исторического события

• Задача: Оптимизировать страницу о Битве при Геттисберге.
• Действие: В тексте четко указать диапазон дат и точное местоположение: "Битва при Геттисберге произошла с 1 по 3 июля 1863 года в городе Геттисберг, штат Пенсильвания, и его окрестностях."
• Ожидаемый результат: Google легко извлекает дату и локацию. При запросе [гражданская война] (негеографический запрос, как в Claim 1) эта страница становится кандидатом для отображения как на временной шкале (в секции 1863 года), так и на карте (с маркером в Геттисберге). Сниппет будет фокусироваться на этом предложении.

Сценарий 2: Создание биографической страницы

• Задача: Создать страницу биографии (например, JFK).
• Действие: Структурировать страницу хронологически. Для ключевых событий (рождение, ключевые достижения, смерть) явно указывать полные даты и соответствующие локации в тексте.
• Ожидаемый результат: Система извлекает множество дат и локаций с одной страницы. Это позволяет сформировать детализированную временную шкалу и карту для запросов о данной личности, улучшая видимость контента через эти визуализации.