Как Google определяет локальный интент и предлагает уточнить запрос до его отправки в поиск

Термины и определения

Trigger Query (Триггерный запрос)

Запрос, идентифицированный системой как требующий уточнения для предоставления более релевантных результатов. Часто это запросы с высокой вероятностью локального интента.

Clarified Search Query (Уточненный поисковый запрос)

Итоговый запрос, сформированный путем добавления дополнительной информации (например, местоположения) к исходному триггерному запросу.

Local Model (Локальная модель)

Модель данных на стороне клиента (например, в браузере). Содержит набор триггерных запросов и историческую информацию о конкретном пользователе (например, предыдущие местоположения) для быстрых подсказок.

Remote Model (Удаленная модель)

Модель данных на сервере. Содержит более обширный, актуальный набор триггерных запросов, основанный на агрегированных данных всех пользователей. Используется для более точного прогнозирования.

Probability Model (Вероятностная модель)

Статистическая модель для определения того, является ли запрос триггерным. В патенте приводится пример модели на основе Байесовского вывода для оценки вероятности локального интента.

P(ZIPURL|TERM)

Условная вероятность того, что пользователь выберет локальный результат (ZIPURL), если ввел определенный запрос (TERM). Ключевая метрика для идентификации локального интента.

Confidence Score (Оценка уверенности)

Метрика, отражающая уверенность системы в том, что частичный ввод пользователя соответствует определенному прогнозируемому запросу.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс уточнения запроса на основе поведения пользователей.

1. Система получает первый поисковый запрос в интерфейсе.
2. Определяется, является ли этот запрос триггерным (trigger query) на основе probability model предыдущего поведения совокупности пользователей.
3. Ключевое условие: модель основана на вероятности того, что пользователи выберут локальные результаты (local search results) в ответ на этот запрос.
4. Если запрос триггерный, система предлагает пользователю ввести дополнительные данные. Это происходит до отправки запроса в поисковую систему.
5. Первый запрос уточняется с использованием дополнительного ввода.
6. Уточненный запрос отправляется в поисковую систему.

Ядро изобретения — использование статистики кликов на локальные результаты для активации подсказки по уточнению запроса до его выполнения.

Claim 3 (Зависимый): Уточняет механизм определения триггерного запроса.

Определение может включать прогнозирование триггерного запроса на основе части введенного пользователем текста (интеграция с автодополнением).

Claim 4 и 5 (Зависимые): Детализируют процесс прогнозирования.

Прогнозирование использует confidence score. Если оценка превышает порог, активируется подсказка (Claim 4). Если в процессе дальнейшего ввода оценка падает ниже порога (например, интент меняется с «пицца ресторан» на «пицца рецепт»), подсказка удаляется (Claim 5).

Claim 8 (Зависимый): Уточняет тип подсказки.

Подсказка может включать предложение одного или нескольких местоположений, связанных с пользователем (персонализация).

Где и как применяется

Изобретение применяется на этапе взаимодействия пользователя с поисковым интерфейсом, до отправки запроса на ранжирование.

QUNDERSTANDING – Понимание Запросов

Это основной этап применения. Система выполняет несколько функций:

1. Анализ ввода в реальном времени: Мониторинг вводимого текста (полного или частичного).
2. Классификация интента: Определение вероятности локального интента с использованием Local Model и Remote Model.
3. Прогнозирование запроса: Предсказание финального запроса на основе частичного ввода.
4. Модификация интерфейса (Triggering): Активация подсказок (Prompting) в интерфейсе пользователя.
5. Переписывание запроса (Query Rewriting): Формирование clarified search query перед отправкой на этап RANKING.

Входные данные:

• Вводимый пользователем текст запроса.
• Данные о пользователе (история местоположений из Local Model, текущий IP-адрес).
• Агрегированные логи запросов и кликов (используются для тренировки Remote Model).

Выходные данные:

• Подсказка в интерфейсе пользователя (Prompt).
• Уточненный поисковый запрос (Clarified Search Query), отправляемый в поисковую систему.

На что влияет

• Специфические запросы: Запросы с высоким локальным или коммерческим интентом (услуги, категории товаров). Запросы, требующие уточнения атрибутов (размер, цвет) или использования операторов (кавычки, OR).
• Конкретные ниши или тематики: Локальный бизнес (рестораны, услуги), ритейл, недвижимость.
• Типы контента: Влияет на баланс между локализованными результатами (карты, локальные компании) и глобальными (информационные статьи) в выдаче.

Когда применяется

Алгоритм применяется в процессе ввода запроса пользователем при выполнении следующих условий:

• Триггеры активации: Введенный текст совпадает с trigger query в Local Model или прогнозируется Remote Model как trigger query.
• Пороговые значения: Вероятность локального интента (