Как Google использует сохраненные пользователями результаты (закладки в поиске) для оценки качества, персонализации и повышения рейтинга похожих документов

Термины и определения

Boost (Повышение)

Значение, добавляемое к Quality Score результата на основе анализа сохраненных данных. Может быть query-dependent (зависящим от запроса) или query-independent (не зависящим от запроса).

Quality Score (Q_SCORE, Оценка качества)

Числовое значение, используемое для ранжирования документа. В контексте патента, эта оценка корректируется на основе обратной связи от пользователей.

Result Type (Тип результата)

Категория результата поиска (например, веб-документ, изображение, новость, реклама, товар).

Saved Search Results (Сохраненные результаты поиска)

Результаты поиска, которые пользователь явно выбрал для сохранения (добавил в закладки) в базе данных поисковой системы.

Similarity Criteria (Критерии схожести)

Набор признаков, используемых для определения того, насколько один документ похож на другой. Включают структурные, контентные и ссылочные факторы.

User Identifier (ID) (Идентификатор пользователя)

Уникальный идентификатор (анонимный или глобальный), используемый для ассоциации сохраненных результатов с конкретным пользователем для персонализации.

Ключевые утверждения (Анализ Claims)

Хотя описание патента охватывает широкий спектр использования сохраненных данных (агрегирование, шеринг, удаление), основные независимые пункты формулы изобретения (Claims 1, 5, 15, 23) сосредоточены именно на механизмах персонализации и повышения схожих результатов (Similar Results).

Claim 1, 5, 15 (Независимые пункты): Описывают метод персонализации на основе сохраненных результатов и сходства.

1. Система получает первый запрос (Q1) от пользователя и предоставляет первый набор результатов (R1).
2. Пользователь сохраняет один или несколько результатов из R1.
3. Система получает второй запрос (Q2) от того же пользователя.
4. Генерируется второй набор результатов (R2).
5. Система определяет, является ли конкретный результат в R2 "похожим" (similar) на ранее сохраненный результат из R1.
6. Критический элемент: Определение сходства основывается как минимум на двух критериях из списка: (a) наличие общих исходящих ссылок, (b) наличие общих входящих ссылок (с тех же документов), (c) одинаковый формат, (d) одинаковая структура/верстка (layout).
7. Если результат признан похожим, его оценка (score) повышается (Boost).
8. R2 предоставляется пользователю с учетом повышенной оценки.

Claim 23 (Независимый пункт): Описывает метод повышения оценок для сохраненного документа И для похожих документов.

1. Система ищет документы по запросу.
2. Получает запрос на сохранение выбранного результата.
3. Идентифицирует конкретный документ, который является похожим на сохраненный результат (используя те же критерии сходства, что и в Claim 1).
4. Повышает (Boost) оценку как для сохраненного результата, так и для похожего конкретного документа для последующих поисков, включающих этот же запрос.

Где и как применяется

Изобретение затрагивает несколько этапов поиска, используя данные, собранные во время индексирования, для корректировки финального ранжирования.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна проанализировать и сохранить признаки документов, которые будут использоваться для определения сходства (similarity matching). Это включает анализ ссылок (входящих и исходящих), структуры документа (layout), соотношения изображений к тексту и анализ контента.

RANKING – Ранжирование / RERANKING – Переранжирование
Основной этап применения патента. Система корректирует базовые Quality Scores.

1. Глобальная корректировка: Если документ часто сохраняется или им делятся (Share/Mail) многие пользователи (согласно описанию патента, блоки 1005, 1030, 1035), его Quality Score может быть повышен глобально.
2. Персонализированная корректировка (Ядро Claims): Система сравнивает документы в текущей выдаче с документами, ранее сохраненными этим пользователем. При обнаружении сходства (Similarity Matching) по критериям (ссылки, структура и т.д.), оценка похожих документов повышается (блок 1040 и Claims 1, 5, 15).

Входные данные:

• Запрос пользователя и User ID.
• Базовый набор результатов поиска с их Quality Scores.
• База данных Saved Search Results (глобальная и персональная).
• Признаки документов для анализа сходства (ссылки, структура, контент).

Выходные данные:

• Переранжированный список результатов с примененными глобальными и/или персональными повышениями (Boost).

На что влияет

• Специфические запросы: Наибольшее влияние на информационные и исследовательские запросы (research intent), где пользователи склонны сохранять материалы для дальнейшего использования.
• Персонализация: Описывает механизм глубокой персонализации, основанный на структурных и ссылочных характеристиках понравившегося пользователю контента.
• Коммерческие запросы: Если пользователи сохраняют рекламу (Advertisements), система может классифицировать запрос как коммерческий и повышать в выдаче ссылки на обзоры продуктов или коммерческие сайты (блок 1015, Claim 6).

Когда применяется

• Условие активации (Персонализация): Когда пользователь с историей сохраненных результатов выполняет новый поиск, И когда результаты этого поиска признаются системой "похожими" на ранее сохраненные.
• Условие активации (Глобально): Когда агрегированные данные о сохранении, шеринге или удалении достигают определенных порогов для конкретного документа или запроса.

Пошаговый алгоритм

Фаза 1: Сбор данных о поведении пользователя

1. Получение запроса и выдача результатов: Система получает запрос Q и представляет результаты с механизмом сохранения (например, кнопка "Save").
2. Сохранение результата: Пользователь выбирает результат для сохранения. Система сохраняет данные (User ID, Query Q, Saved Result).
3. Управление сохраненными результатами: Пользователь выполняет действия с сохраненными результатами: удаление (Delete), расшаривание (Share), отправка по почте (Mail). Эти действия регистрируются.

Фаза 2: Анализ данных и расчет оценок (Может происходить офлайн или в режиме, близком к реальному времени)

1. Агрегированный анализ популярности: Определение результатов, часто сохраняемых разными пользователями для запроса Q. Расчет Boost.
2. Анализ типов результатов: Определение предпочтительных типов контента для запроса Q.
3. Поведенческий анализ:
   • Анализ удалений: Если результат R1 быстро удаляется, а R2 сохраняется долго, R2 получает преимущество над R1 (Блок 1025).
   • Анализ одобрения: Результаты, которыми делятся, получают дополнительный Boost (Блоки 1030, 1035).
   • Анализ порядка сохранения: Оценка порядка сохранения результатов разных типов (Блок 1020).
4. Анализ схожести: Идентификация документов, похожих на сохраненные результаты, на основе Similarity Criteria.

Фаза 3: Применение в ранжировании

1. Получение нового запроса Q2.
2. Определение кандидатов и получение корректировок: Система извлекает применимые Boost значения из Фазы 2 (агрегированные, query-independent и персонализированные).
3. Применение корректировок: Базовые Quality Scores документов увеличиваются на значения Boost.
4. Ранжирование и выдача: Документы сортируются по итоговым оценкам.

Какие данные и как использует

Данные на входе

Патент детально описывает данные для фиксации обратной связи и определения сходства документов.

• Поведенческие факторы (Явные действия):
  • Сохранение (Save).
  • Удаление (Delete) из списка сохраненных.
  • Поделиться (Share) или Отправить по почте (Mail).
  • Порядок (Order), в котором пользователь сохраняет результаты.
  • Группировка результатов пользователем.
• Пользовательские факторы:
  • User Identifier (ID) для персонализации.

Факторы для определения сходства (Similarity Criteria): (Патент перечисляет 8 критериев в описании, но Claims 1, 5, 15, 23 фокусируются на 4 ключевых)

• Ссылочные факторы (Ключевые в Claims):
  • Наличие одинаковых исходящих ссылок (Outgoing links).
  • Наличие одинаковых входящих ссылок (Incoming links).
• Структурные факторы (Ключевые в Claims):
  • Одинаковая верстка (Layout).
  • Одинаковый формат (Format).
• Контентные и Технические факторы (Упомянуты в описании):
  • Расположение на том же сайте (Same site).
  • Одинаковое соотношение изображений к тексту (Ratio of images to text).
  • Совпадение большинства слов / редких слов.
  • Одинаковые мета-теги (Meta-data tags).

Какие метрики используются и как они считаются

• Quality Score (Q_SCORE): Базовая оценка ранжирования документа.
• Boost (Повышение): Значение, добавляемое к базовой оценке. Итоговая оценка: