Как Google использует иерархические таксономии для понимания связей между соседними словами в запросе

Термины и определения

Adjacent Search Terms (Смежные поисковые термины)

Термины, следующие друг за другом в поисковом запросе. Система анализирует именно комбинации смежных терминов на предмет иерархических связей.

Attribute Information (Информация об атрибутах)

Данные, связанные с узлами в иерархической таксономии. Используются для оценки интерпретаций. Включают тип узла (например, страна, город), Stand-alone value, Country stand-alone value, Relational value и географические данные.

Bloom Filter

Структура данных, используемая для хранения префиксов или соединительных слов (например, «the», «new»), которые сами по себе не являются сущностями, но важны в контексте смежных терминов.

Country stand-alone value

Атрибут, представляющий важность локации в контексте конкретной страны. Используется для разрешения неоднозначностей (например, «Валенсия, Испания» важнее, чем «Валенсия, Канада»).

Hierarchical Relationship (Иерархическое отношение)

Связь между терминами, основанная на ранге, классе или категории (например, родитель-потомок, класс-подкласс, род-вид).

Hierarchical Taxonomy Data (Данные иерархической таксономии)

Структурированные данные, организованные в иерархию. Примеры: географические данные, бизнес-листинги, биологические классификации.

Hit List

Список сгенерированных интерпретаций запроса, которые нашли соответствие в таксономических данных.

Name Table

Индекс имен сущностей (например, «Париж»). Каждое имя содержит указатели на соответствующие узлы в Tree (например, Париж во Франции и Париж в Техасе).

Relational value

Атрибут, указывающий на тип имени: основное (primary), официальное (official) или разговорное (colloquial).

Stand-alone value

Атрибут, представляющий глобальную важность локации (например, на основе населения, количества веб-страниц, поисковых запросов). «Нью-Йорк» имеет высокое значение.

Templates (Шаблоны)

Предопределенные паттерны иерархических терминов, соответствующие типичному порядку ввода запросов пользователем (например, «город, штат» или «штат, страна»). Используются для оценки интерпретаций.

Tree (Дерево)

Основная структура данных для хранения Hierarchical Taxonomy Data (например, Земля -> Континент -> Страна).

Triangular Array

Структура данных для хранения всех комбинаций смежных поисковых терминов, полученных при парсинге запроса.

Walk-up

Процесс перемещения вверх по иерархии Tree от конкретного узла для определения наличия иерархической связи между двумя терминами (например, проверка, является ли один узел предком другого).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод интерпретации запроса.

1. Система получает запрос с несколькими терминами.
2. Запрос парсится для определения комбинаций терминов (каждая комбинация — это подмножество терминов запроса).
3. Определяется, что как минимум одна комбинация существует в иерархическом отношении. Это делается путем сопоставления (matching) подмножества терминов в комбинации с паттерном терминов на разных иерархических уровнях в таксономии.
4. Процесс сопоставления включает:
   • Сопоставление первого термина комбинации с термином на первом иерархическом уровне.
   • Сопоставление второго термина комбинации с термином на втором иерархическом уровне (отличном от первого).
   • Первый и второй термины в комбинации должны быть смежными (adjacent).
5. Генерируется оценка (score) для этой комбинации на основе сопоставления с паттерном.
6. Комбинация интерпретируется на основе этого сопоставления, если оценка превышает порог.
7. Выполняется поиск документов на основе этой интерпретации.

Ядро изобретения — это строгий метод подтверждения иерархии: смежные термины в запросе должны соответствовать разным уровням в таксономическом паттерне.

Claim 5 и 6 (Зависимые): Детализируют механизм оценки.

Оценка комбинации основывается на атрибуте (attribute), связанном как минимум с одним термином в паттерне. Атрибут может представлять важность (importance) термина или его иерархический уровень в таксономии.

Claim 7 (Зависимый): Детализирует другой механизм оценки.

Оценка комбинации основывается на оценке, связанной с шаблоном (template), который соответствует паттерну терминов.

Где и как применяется

Изобретение применяется в основном на этапе понимания запроса, используя данные, структурированные на этапе индексирования.

INDEXING – Индексирование и извлечение признаков
На этом этапе формируются иерархические таксономии. Данные индексируются и сохраняются в структурах, таких как Tree и Name Table. Сущностям присваиваются атрибуты (Attribute Information), такие как Stand-alone value.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения патента. Система получает запрос и активирует процесс интерпретации:

1. Парсинг: Запрос разбивается на смежные комбинации.
2. Интерпретация: Комбинации анализируются с использованием Hierarchical Taxonomy Data для выявления связей.
3. Оценка: Интерпретации оцениваются с помощью Templates и Attribute Information для определения наиболее вероятного интента пользователя.

RANKING – Ранжирование
Результаты этапа QUNDERSTANDING (т.е. интерпретированный запрос с выявленными иерархическими связями) используются на этапе ранжирования для поиска и сортировки релевантных документов.

Входные данные:

• Исходный поисковый запрос.
• Hierarchical Taxonomy Data (Tree, Name Table).
• Templates (Паттерны запросов).
• Attribute Information (Важность сущностей).
• Информация о пользователе (например, местоположение для адаптации шаблонов).

Выходные данные:

• Набор оцененных интерпретаций запроса, где термины связаны с конкретными сущностями и иерархическими уровнями.

На что влияет

• Конкретные ниши или тематики: Наибольшее влияние оказывается на ниши с четкими иерархиями:
  • Локальный поиск (Local SEO): Критическое влияние. Интерпретация запросов типа «[Бизнес] [Город] [Страна]».
  • E-commerce: Интерпретация категорий и подкатегорий товаров (например, «[Бренд] [Линейка] [Модель]»).
  • Научные и образовательные домены: Биология, химия, где таксономии играют ключевую роль.
• Специфические запросы: Влияет на запросы, содержащие названия сущностей, которые могут быть неоднозначными без иерархического контекста (например, «Париж» может быть городом во Франции или в Техасе; смежный термин «Франция» разрешает неоднозначность).

Когда применяется

• Условия работы: Алгоритм применяется при обработке многословных запросов, когда есть подозрение на наличие иерархических связей.
• Триггеры активации: Наличие в запросе терминов, которые присутствуют в Name Table иерархической таксономии.
• Пороговые значения: Интерпретация принимается, только если её оценка (score) превышает определенный порог (Claim 1).

Пошаговый алгоритм

Процесс интерпретации запроса

1. Получение запроса: Система получает поисковый запрос от пользователя.
2. Парсинг и генерация комбинаций: Запрос разбирается на все возможные комбинации смежных терминов. Комбинации сохраняются (например, в Triangular Array).
3. Поиск в таксономии: Для каждой комбинации выполняется поиск терминов в Name Table.
   • При обнаружении совпадения система получает указатели на соответствующие узлы в Tree.
   • Параллельно проверяется Bloom Filter на наличие префиксов или соединительных слов.
4. Проверка иерархических отношений: Если несколько смежных терминов в комбинации найдены в таксономии, система проверяет связь между соответствующими узлами в Tree.
   • Используется механизм walk-up: система перемещается вверх по иерархии от каждого узла, чтобы определить, является ли один узел предком другого или имеют ли они тесную связь.
5. Генерация интерпретаций: Комбинации, для которых подтверждена иерархическая связь, формируют интерпретации запроса и добавляются в Hit List.
6. Оценка интерпретаций (Scoring): Каждая интерпретация оценивается на основе нескольких факторов:
   • Шаблоны (Templates): Соответствие интерпретации ожидаемым паттернам (например, «Город, Страна»). Шаблоны могут зависеть от местоположения пользователя.
   • Атрибуты (Attribute Information): Использование Stand-alone value (глобальная важность), Country stand-alone value (локальная важность) и Relational value (тип имени) для разрешения неоднозначностей и повышения оценки более значимых сущностей.
7. Выбор интерпретации: Отбираются интерпретации, чья оценка превышает установленный порог. Может быть выбрана одна лучшая или несколько.
8. Выполнение поиска: Поиск выполняется на основе выбранной интерпретации (т.е. с учетом иерархического значения терминов).

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании структуры запроса и предварительно определенных таксономических данных.

• Структурные факторы (запроса): Порядок и смежность (adjacency) терминов в запросе критически важны.
• Таксономические данные: Hierarchical Taxonomy Data (география, бизнес, биология и т.д.), хранящиеся в Tree и индексированные через Name Table.
• Данные о сущностях (Entity Attributes): Предварительно вычисленные атрибуты, связанные с узлами таксономии (Attribute Information).
• Пользовательские факторы: Местоположение пользователя упоминается как фактор, влияющий на выбор и вес шаблонов (Templates) при оценке интерпретаций.

Какие метрики используются и как они считаются

Система вычисляет оценку (score) для каждой интерпретации. Патент не приводит конкретных формул, но определяет источники для расчета оценки:

• Оценка на основе Шаблонов (Template-based Score): Метрика, основанная на том, насколько хорошо интерпретация соответствует предопределенному Template (например, «Город, Штат»). Шаблоны с более высокой вероятностью использования получают больший вес.
• Оценка на основе Атрибутов (Attribute-based Score): Метрики, основанные на характеристиках задействованных сущностей:
  • Stand-alone value: Глобальная важность. Повышает оценку интерпретаций, включающих глобально значимые сущности.
  • Country stand-alone value: Важность в контексте страны. Используется для локальной оптимизации оценки.
  • Relational value: Предпочтение может отдаваться основным или официальным названиям перед разговорными.
• Пороговые значения: Используется порог для фильтрации интерпретаций с низкой оценкой. Только интерпретации, превышающие порог, используются для поиска.

1. Иерархический контекст критичен для понимания запроса: Google активно пытается сопоставить группы слов в запросе с известными иерархическими структурами (таксономиями). Система не просто ищет ключевые слова, она ищет отношения типа родитель-потомок между смежными терминами.
2. Смежность как сигнал иерархии: Основная предпосылка патента заключается в том, что пользователи склонны располагать иерархически связанные термины рядом друг с другом. Система использует эту смежность (adjacency) как триггер для поиска иерархических связей.
3. Использование шаблонов для интерпретации интента: Система использует Templates (например, «Город, Страна»), чтобы оценить вероятность того, что пользователь имел в виду конкретную иерархическую структуру. Это формализованный подход к распознаванию паттернов в запросах.
4. Важность сущностей влияет на интерпретацию: Атрибуты сущностей, такие как их глобальная или локальная важность (Stand-alone values), используются для оценки и разрешения неоднозначностей. Более «важная» интерпретация (например, Париж, Франция) получит более высокую оценку, чем менее важная (Париж, Техас), при прочих равных условиях.
5. Локализация интерпретации: Местоположение пользователя влияет на процесс интерпретации. Шаблоны и веса атрибутов могут адаптироваться в зависимости от региональных особенностей языка и таксономий.

Best practices (это мы делаем)

• Соблюдение общепринятых таксономий: При структурировании контента (категории товаров, географические страницы) необходимо придерживаться четких и общепринятых иерархий. Это облегчает системе сопоставление вашего контента с запросами, интерпретированными через эти таксономии. Например, в E-commerce: Электроника > Компьютеры > Ноутбуки.
• Оптимизация иерархической навигации и URL: Структура URL и хлебные крошки должны отражать иерархию контента. Это усиливает сигналы о таксономической структуре сайта (например, /locations/switzerland/zurich/).
• Локальное SEO: Использование консистентных NAP и иерархических идентификаторов: Убедитесь, что адреса и названия локаций используются в консистентном иерархическом формате (Улица, Город, Штат/Регион, Страна). Это помогает системе точно сопоставить бизнес с географической таксономией при обработке запросов типа «[Бизнес] рядом с [Локация]».
• Повышение «Важности» (Importance) сущностей: Работайте над повышением авторитетности и популярности ключевых сущностей вашего сайта (бренда, локаций, продуктов). Патент указывает, что атрибуты важности (аналогичные Stand-alone value) используются при оценке интерпретаций. Более авторитетные сущности имеют приоритет при разрешении неоднозначностей.
• Использование структурированных данных (Schema.org): Применяйте разметку для явного указания иерархических отношений (например, breadcrumbs, Organization с subOrganization, Place с containedInPlace). Это напрямую предоставляет данные для таксономического анализа.

Worst practices (это делать не надо)

• Неоднозначная или плоская структура категорий: Создание запутанной структуры сайта, где иерархические отношения не ясны. Это затрудняет системе понимание того, как контент связан друг с другом и с внешними таксономиями.
• Использование нестандартных или разговорных названий без контекста: Опора исключительно на разговорные названия (colloquial names) для локаций или категорий может снизить оценку интерпретации, если система предпочитает официальные названия (на основе Relational value). Используйте их, но всегда подкрепляйте основными названиями.
• Игнорирование региональных особенностей: Применение единого подхода к таксономии для разных регионов. Патент учитывает, что пользователи в разных странах используют разные паттерны запросов. Необходимо адаптировать структуру и контент под локальные стандарты.

Стратегическое значение

Этот патент подчеркивает стратегическую важность перехода от SEO, основанного на ключевых словах, к SEO, основанному на сущностях и их взаимосвязях (Entity-based SEO). Понимание того, как Google интерпретирует иерархические отношения, является ключом к успеху в локальном поиске и E-commerce. Долгосрочная стратегия должна включать построение четкой, логичной и авторитетной таксономической структуры на сайте, которая соответствует реальным мировым иерархиям и ожиданиям пользователей.

Практические примеры

Сценарий 1: Оптимизация для E-commerce (Таксономия товаров)

• Запрос пользователя: «Nike Air Max 90»
• Интерпретация системой: Система парсит запрос и ищет иерархию. «Nike» (Бренд), «Air Max» (Линейка/Подбренд), «90» (Модель). Система распознает это как иерархический паттерн «Бренд, Линейка, Модель».
• Действия SEO-специалиста: Убедиться, что структура сайта и страницы продукта четко отражают эту иерархию в URL (/nike/air-max/90/), хлебных крошках и заголовках. Использовать разметку Product с указанием бренда и модели.
• Результат: Система точнее сопоставляет страницу продукта с интерпретированным запросом, повышая релевантность.

Сценарий 2: Локальное SEO (Географическая таксономия)

• Запрос пользователя: «Рестораны Амстердам Нидерланды»
• Интерпретация системой: Система идентифицирует «Амстердам» и «Нидерланды». Механизм walk-up подтверждает иерархию (Город, Страна). Интерпретация оценивается высоко из-за соответствия шаблону и высокой важности (Stand-alone value) Амстердама.
• Действия SEO-специалиста: Создать целевые страницы для ресторанов в Амстердаме. В контенте, мета-тегах и разметке LocalBusiness явно указывать полную иерархию локации (Амстердам, Северная Голландия, Нидерланды).
• Результат: Повышение видимости в локальном поиске за счет точного соответствия географической интерпретации запроса.