Как Google проектирует интерфейс и навигацию для поиска внутри оцифрованных документов (Google Books)

Термины и определения

Document (Документ)

Оцифрованный объект, такой как книга, журнал, статья или каталог.

Excerpt (Выдержка, Фрагмент)

Часть документа (текст или изображение страницы), которая содержит термин поискового запроса.

Reference Page (Справочная страница)

Страница интерфейса, предоставляющая сводную информацию о документе. Включает выдержки, синопсис, библиографические данные и Related information.

Excerpt Page (Страница выдержки)

Страница интерфейса, отображающая конкретную страницу документа. Включает навигацию к следующим/предыдущим релевантным фрагментам.

All Excerpts Page (Страница всех выдержек)

Страница, отображающая множество релевантных выдержек из документа, в виде текста или миниатюр страниц (thumbnail images).

Previously Accessed Pages (Ранее посещенные страницы)

Функция интерфейса, которая отслеживает и отображает страницы, которые пользователь уже просматривал.

Related Information (Связанная информация)

Информация о веб-документах, связанных с найденным документом или его автором (например, обзоры, биографии). Отображается на Reference Page.

OCR (Optical Character Recognition)

Оптическое распознавание символов. Упоминается как способ создания корпуса документов для поиска.

Ключевые утверждения (Анализ Claims)

Патент фокусируется на элементах пользовательского интерфейса и методах представления результатов.

Claim 1 (Независимый пункт): Описывает основной процесс и структуру интерфейса от SERP до Reference Page.

1. Система генерирует документ с результатами поиска (search result document).
2. Для найденного документа результат включает: (i) изображение, (ii) выдержку (excerpt), связанную с запросом, и (iii) несколько ссылок на другие выдержки в этом же документе, связанные с запросом.
3. Система получает выбор этого документа пользователем.
4. Система предоставляет Reference Page.
5. Reference Page включает: (i) несколько изображений выдержек (excerpt images) и (ii) информацию о веб-документах, связанных с этим документом (Related Information).

Claim 9 (Зависимый от 1): Детализирует Excerpt Page.

Система предоставляет Excerpt Page, включающую выдержку страницы (page excerpt) и как минимум одно из: (i) ссылку на следующую/предыдущую релевантную выдержку или (ii) ссылку на все релевантные выдержки в документе.

Claim 17 (Зависимый от 1): Описывает функцию отслеживания истории просмотров.

Система генерирует и предоставляет информацию, связанную с несколькими ранее посещенными страницами (previously accessed pages) этого документа.

Claim 26 (Независимый пункт - Система/GUI): Описывает систему, реализующую GUI с «умной» навигацией по релевантности.

1. GUI включает страницу документа с поисковым термином и набор ссылок на части документа.
2. Включает вторую ссылку на следующую или предыдущую страницу, содержащую поисковый термин. Выбор этой ссылки вызывает отображение следующей/предыдущей последовательной страницы, только если она содержит термин; в противном случае отображается непоследовательная страница (пропуск страниц), которая содержит термин.
3. Включает третью ссылку на все страницы документа, содержащие термин, выбор которой вызывает отображение изображений этих страниц.

Где и как применяется

Изобретение применяется в специализированной поисковой системе (Вертикальный поиск), такой как Google Books, и затрагивает этапы предобработки и представления результатов.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит необходимая предобработка: сканирование, OCR, сегментация на страницы, извлечение текста и структуры (оглавление, индекс). Также может происходить сбор Related Information из интернета.

RANKING – Ранжирование
Система определяет релевантные документы и, возможно, наиболее релевантные страницы внутри документа для использования в качестве excerpts (хотя алгоритмы ранжирования в патенте не описаны).

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование (Уровень Представления)
Основное применение патента. Система формирует пользовательский интерфейс.

1. Формирование SERP: Создание специализированного сниппета с выдержками и ссылками.
2. Генерация UI страниц: По запросу генерируются Reference Page, Excerpt Page и т.д.
3. Интеграция данных: В интерфейс интегрируются текст, изображения, метаданные и внешние данные (Related Information).
4. Отслеживание сессии: Отслеживание действий пользователя для Previously Accessed Pages.

Входные данные:

• Поисковый запрос.
• Корпус оцифрованных документов (текст и изображения).
• Метаданные документов (автор, название, ISBN, синопсис).
• База данных Related Information.
• Данные сессии пользователя.

Выходные данные:

• Отформатированные страницы интерфейса (SERP, Reference Page, Excerpt Page).

На что влияет

• Конкретные типы контента: Влияет исключительно на оцифрованные многостраничные документы (книги, журналы, каталоги). Не влияет на стандартные веб-страницы.
• Вертикали поиска: Применяется в Google Books или Google Scholar.

Когда применяется

• Условия применения: Алгоритм формирования интерфейса активируется, когда поисковая система идентифицирует релевантные документы в своем специализированном индексе и когда пользователь взаимодействует с этими результатами (просмотр документа, навигация).

Пошаговый алгоритм

Процесс А: Генерация результатов поиска (SERP)

1. Идентификация документов: Поиск релевантных документов в индексе.
2. Формирование результата: Для каждого документа генерируется блок результата.
3. Добавление элементов: Добавляется изображение (обложка) и метаданные.
4. Извлечение выдержек: Извлекается одна или несколько релевантных excerpts с подсветкой термина.
5. Добавление навигации: Добавляются ссылки на другие страницы документа, где встречается запрос.
6. Отображение SERP.

Процесс Б: Взаимодействие с документом (Reference Page)

1. Получение выбора пользователя: Клик по документу в SERP.
2. Генерация Reference Page: Система формирует страницу.
3. Агрегация данных: Собираются синопсис, библиография, Related Information (связанные веб-документы).
4. Отображение выдержек: Показ нескольких релевантных выдержек (текст или изображения).
5. Формирование навигации: Добавление ссылок на структурные части (TOC, Index).
6. Презентация.

Процесс В: Взаимодействие с документом (Excerpt Page)

1. Переход к конкретной странице.
2. Генерация Excerpt Page: Отображение текста или изображения страницы с выделением термина.
3. Формирование специализированной навигации: Добавление ссылок «View Next/Previous Excerpt».
4. Обработка навигации (Claim 26): При активации навигации система определяет следующую/предыдущую страницу, содержащую термин (пропуская нерелевантные страницы), и отображает ее.
5. Отслеживание истории: Страница добавляется в список Previously Accessed Pages.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании данных для генерации интерфейса, а не для ранжирования.

• Контентные факторы: Полный текст документа (полученный через OCR). Используется для поиска совпадений и генерации excerpts.
• Структурные факторы: Данные о структуре документа (номера страниц, оглавление (Table of Contents), индекс (Index), обложка). Используются для навигации.
• Мультимедиа факторы: Изображения страниц и обложки. Используются как миниатюры и для отображения на Excerpt Page.
• Внешние данные (Web Documents): Информация из интернета (Related Information), такая как обзоры, биографии автора.
• Метаданные документа: Библиографическая информация (ISBN, издатель), синопсис, текст с обложки (Jacket/Flap Description).
• Пользовательские факторы (Сессия): История просмотра страниц пользователем (для Previously Accessed Pages).

Какие метрики используются и как они считаются

В патенте не указаны метрики или формулы для ранжирования. Он оперирует логическими условиями отображения элементов:

• Наличие поискового термина: Ключевое условие для определения excerpt и для работы специализированной навигации (Next/Previous relevant excerpt).
• Статус просмотра страницы: Используется для Previously Accessed Pages.

1. Патент описывает внутренние процессы Google по дизайну UI/UX без прямых рекомендаций для стандартного веб-SEO.
2. Фокус на Вертикальном Поиске (Google Books): Патент детально описывает архитектуру интерфейса для специализированного поиска по оцифрованным документам.
3. Навигация по релевантности (Claim 26): Ключевой особенностью является механизм навигации, позволяющий переходить от одного релевантного фрагмента к другому, пропуская страницы, не содержащие поисковый термин («Skip Navigation»).
4. Агрегация связанной информации (Reference Page): Reference Page служит хабом, соединяющим контент документа с метаданными и связанными веб-ресурсами (Related Information), такими как обзоры и биографии.
5. Отслеживание сессии (Previously Accessed Pages): Система включает механизмы для отслеживания истории взаимодействия пользователя с документами для улучшения навигации.
6. Значение для издателей: Хотя патент не влияет на веб-SEO, он важен для издателей в Google Books, подчеркивая важность качества метаданных, структуры и внешних упоминаний для представления их контента.

Best practices (это мы делаем)

Рекомендации применимы исключительно для авторов, издателей и специалистов, оптимизирующих контент для Google Books и аналогичных систем. Для стандартного веб-SEO эти практики не применимы.

• Обеспечение качества оцифровки и OCR: Качество исходного материала и точность OCR критичны для того, чтобы система могла найти и корректно отобразить релевантные excerpts.
• Предоставление полных метаданных: Необходимо предоставлять точные библиографические данные, качественный синопсис и текст обложки (Jacket/Flap Description). Эта информация формирует Reference Page.
• Логичная структура документа: Наличие четкого оглавления (Table of Contents) и индекса (Index) улучшает навигацию, так как система использует эти структурные элементы в интерфейсе.
• Стимулирование внешних упоминаний и обзоров: Активность в интернете вокруг книги (обзоры, упоминания, биографии автора) важна, так как эта информация агрегируется в блоке Related Information (Claim 1), повышая авторитетность документа в глазах пользователя.

Worst practices (это делать не надо)

Применимо только к оптимизации в Google Books.

• Пренебрежение метаданными: Отсутствие синопсиса или неполные данные ухудшают представление документа на Reference Page.
• Сложное форматирование, затрудняющее OCR: Нестандартные шрифты или сложное форматирование могут снизить качество распознавания текста и, как следствие, индексацию и отображение выдержек.

Стратегическое значение

Стратегическое значение для стандартного SEO низкое. Патент демонстрирует подход Google к созданию специализированных интерфейсов для не-веб контента. Он подтверждает важность структурированных данных и качественных метаданных для корректного представления контента в вертикальных поисковых системах. Для издателей этот патент определяет «правила игры» в экосистеме Google Books.

Практические примеры

Практических примеров для применения в работе SEO-специалиста по продвижению веб-сайтов нет, так как патент описывает интерфейс Google Books.

Пример для издателя: Оптимизация представления книги в Google Books

1. Действие (Метаданные и Структура): Издатель предоставляет Google Books качественный скан книги с детальным оглавлением, предметным указателем (Index), полным синопсисом и библиографией.
2. Результат (Reference Page и Навигация): При поиске пользователь попадает на информативную Reference Page. Система автоматически генерирует ссылки на TOC и Index, позволяя пользователю быстро оценить содержание.
3. Действие (Внешняя активность): Книга получает обзоры на авторитетных сайтах и в онлайн-журналах.
4. Результат (Related Information): На Reference Page блок Related Information автоматически заполняется ссылками на эти внешние обзоры.
5. Результат (Excerpt Navigation): При поиске по ключевому термину пользователь может использовать кнопки «View Next/Previous Excerpt» для быстрого перемещения между всеми случаями употребления термина, пропуская нерелевантные страницы (согласно Claim 26).