Как Google персонализирует списки трендовых тем на основе профиля интересов пользователя

Термины и определения

Boost Factor (Коэффициент повышения)

Числовое значение Personalization Score. Используется для корректировки Generic Ranking Score темы. Рассчитывается на основе схожести между User Profile и Topic Profile.

Generic Ranking Score (Общая оценка ранжирования)

Неперсонализированная оценка популярности темы, основанная на общих статистических данных (например, частота запросов, всплеск интереса, география).

Popular Topic / Hot Topic (Популярная / Горячая тема)

Тема, которая часто появляется в течение определенного периода времени на основе активности пользователей (запросы, блоги, посты) или независимо от нее.

Topic Profile (Профиль темы)

Набор данных, описывающий тему. Включает категории, подкатегории, ключевые слова или векторы, представляющие релевантность темы различным предметным областям. Генерируется для сравнения с User Profile.

Transformation Function (Функция преобразования)

Математическая функция, применяемая к результату Similarity Score для масштабирования и получения финального Boost Factor.

User Activity Database (База данных активности пользователя)

Хранилище информации о действиях пользователя (поисковые запросы, клики, посещенные страницы, созданные документы). Используется для генерации User Profile (с согласия пользователя).

User Profile (Профиль пользователя)

Набор данных, описывающий интересы пользователя. Может включать ключевые слова, тематические кластеры, категории или векторы, представляющие интерес пользователя к различным предметным областям.

Vector Similarity Function (Функция векторного сходства)

Алгоритм (например, косинусное сходство, сходство Жаккара, размер пересечения) для расчета степени схожести между двумя векторами (User Profile и Topic Profile).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод персонализации популярных тем.

1. Система получает запрос пользователя.
2. Получает список популярных тем, их Generic Ranking Scores и Topic Profile для конкретной темы.
3. Идентифицирует User Profile пользователя.
4. Определяет Personalization Score (оценку персонализации) для темы на основе схожести между User Profile и Topic Profile. Этот шаг детализирован и является ядром изобретения:
   • User Profile представляется как первый компонент (вектор), отражающий интерес пользователя к различным категориям.
   • Topic Profile представляется как второй компонент (вектор), отражающий релевантность темы этим же категориям.
   • Применяется Vector Similarity Function к этим двум компонентам для вычисления Similarity Score.
   • Применяется Transformation Function к полученному Similarity Score.
   • Определяется числовое значение Boost Factor на основе результата преобразования.
5. Определяет пересмотренную оценку ранжирования (Revised Ranking Score) для темы на основе Personalization Score (Boost Factor) и Generic Ranking Score.
6. Ранжирует темы в списке, используя пересмотренную оценку.

Claim 10 (Независимый пункт): Описывает серверное устройство, реализующее метод Claim 1. Ключевые технические аспекты повторяются: процессор выполняет те же шаги по представлению профилей в виде векторов категорий, применению функций векторного сходства и преобразования для расчета Boost Factor и последующего переранжирования.

Где и как применяется

Изобретение применяется в компонентах поисковой системы, отвечающих за генерацию рекомендаций и отображение трендов (например, Google Trends, Google News, Google Discover).

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит анализ контента, связанного с популярными темами. Система (например, text categorization system) анализирует предметное содержание и метаданные темы для генерации Topic Profile. Темы категоризируются и сохраняются в Topic Database.

QUNDERSTANDING / INDEXING (Обработка данных пользователя)
Система собирает данные в User Activity Database (с согласия пользователя). Компонент User Profiler анализирует эту активность (поисковые запросы, клики, посещения) для создания и обновления User Profile. Этот процесс может происходить офлайн или частично в реальном времени.

RERANKING – Переранжирование / METASEARCH – Метапоиск и Смешивание
Это основной этап применения патента. Когда пользователь запрашивает список трендов (явно или неявно, например, при загрузке домашней страницы или ленты Discover):

1. Topic Ranker получает общий список популярных тем с Generic Ranking Scores.
2. Система извлекает User Profile и Topic Profiles.
3. Вычисляется схожесть (Similarity Score) между профилями с использованием векторных операций.
4. Рассчитывается и применяется Boost Factor.
5. Список переранжируется на лету для предоставления персонализированного результата.

Входные данные:

• Запрос пользователя (явный или неявный).
• Список популярных тем и их Generic Ranking Scores.
• Topic Profiles (векторы релевантности категорий).
• User Profile (вектор интересов пользователя).

Выходные данные:

• Персонализированный список популярных тем с пересмотренными оценками ранжирования (Revised Ranking Scores).

На что влияет

• Конкретные типы контента: В первую очередь влияет на новостной контент, блоги, статьи и любой контент, который быстро набирает популярность и может быть классифицирован как трендовый (Hot Topic).
• Специфические запросы и интерфейсы: Влияет не на стандартную поисковую выдачу по ключевым словам, а на интерфейсы, предназначенные для обнаружения контента: страницы трендов, рекомендательные блоки на домашних страницах поисковых систем, ленты рекомендаций (Google Discover).

Когда применяется

• Триггеры активации: Запрос пользователя на список популярных тем или загрузка интерфейса, который отображает персонализированные тренды или рекомендации.
• Условия применения: Алгоритм активируется при наличии достаточных данных для формирования User Profile (что требует предварительного согласия пользователя на сбор истории активности) и возможности сгенерировать Topic Profile для трендовых тем.

Пошаговый алгоритм

Процесс генерации персонализированного списка горячих тем.

1. Получение запроса: Система получает запрос от клиента на предоставление популярных тем.
2. Получение общих данных: Компонент Topic Retriever запрашивает Topic Database и получает список популярных тем с их Generic Ranking Scores.
3. Получение профиля пользователя: Компонент User Profile Retriever идентифицирует пользователя (например, через cookie, логин или IP, с анонимизацией) и извлекает его User Profile из User Profile Database.
4. Итерация по темам: Система начинает цикл обработки для каждой темы из списка.
5. Генерация/Получение профиля темы: Компонент Topic Profile Generator генерирует или извлекает из кэша Topic Profile для текущей темы. Профили представлены как векторы релевантности по категориям.
6. Расчет Boost Factor: Компонент Boost Factor Calculator выполняет расчет персонализации:
   • Сравнивает вектор User Profile и вектор Topic Profile.
   • Применяет Vector Similarity Function (например, косинусное сходство) для получения Similarity Score.
   • Применяет Transformation Function (например, логарифмическое масштабирование) к Similarity Score для получения финального Boost Factor.
7. Корректировка рейтинга: Компонент Ranking Modifier рассчитывает Revised Ranking Score, комбинируя Generic Ranking Score и Boost Factor.
8. Завершение цикла: Процесс повторяется для всех тем в списке.
9. Сортировка и выдача: Компонент Personal List Generator сортирует список тем по Revised Ranking Scores и формирует финальный персонализированный список для пользователя (возможно, применяя пороговые значения для отсечения нерелевантных тем).

Какие данные и как использует

Данные на входе

Система использует несколько источников данных для профилирования тем и пользователей.

• Контентные/Тематические факторы (для Topic Profile):
  • Предметное содержание (Subject matter) популярной темы.
  • Метаданные (Metadata), связанные с темой.
  • Эти данные обрабатываются системой категоризации текста для определения релевантности различным категориям.
• Поведенческие факторы (для User Profile):
  • История поисковых запросов (Search queries).
  • Выбранные результаты поиска (Clicks).
  • Посещенные веб-страницы.
  • Закладки (Bookmarks).
  • Созданные пользователем документы (блоги, комментарии, электронные письма).
  • Полученные пользователем документы (электронные письма).
  • Подписки (RSS subscriptions) и оповещения (Alerts).
• Пользовательские факторы:
  • Язык (Language).
  • Местоположение (Location), определяемое через IP, GPS, WiFi, данные сотовой сети или указанное пользователем.
  • Явно указанные интересы или "негативные интересы" (отметки "не нравится").
• Временные факторы:
  • Time window (временное окно) — период, за который рассчитывается популярность темы (текущий или прошлый).

Какие метрики используются и как они считаются

• Generic Ranking Score: Метрика популярности темы в целом. Рассчитывается на основе статистики запросов, упоминаний, "всплеска" (spike) интереса.
• Vector Representation (Векторное представление): Профили пользователя и темы представляются как векторы, где компоненты указывают на интерес/релевантность определенным категориям (например, Политика, Спорт, Наука). Значения могут быть в диапазоне от 0 до 1.
• Similarity Score: Результат применения Vector Similarity Function. Упомянутые функции:
  • Cosine similarity (Косинусное сходство).
  • Jaccard similarity (Сходство Жаккара).
  • Intersection size (Размер пересечения) — количество общих ненулевых компонентов в векторах.
• Transformation Function: Функция для масштабирования Similarity Score. Пример из патента: $ln(similarity score+1)$.
• Boost Factor (Personalization Score): Финальная оценка персонализации. Пример формулы из патента: $ln(similarity score+1)$