Как Google использует данные из Local Search и Google Maps для распознавания географических названий в основном поиске

Термины и определения

Standalone Location (Автономное местоположение)

Местоположение, которое может быть однозначно идентифицировано только по его названию, без дополнительных уточнений (например, "San Francisco" является, "Washington" может не являться).

Two-Box Interface (Двух-окошечный интерфейс)

Интерфейс поисковой системы с двумя (или более) полями ввода: одно для того, "что" ищет пользователь, и другое для указания географического местоположения ("где").

Non-Location Box (Поле "Что")

Поле для ввода терминов, описывающих предмет поиска.

Location Box (Поле "Где")

Поле для ввода терминов, указывающих географическое местоположение.

Query Log (Журнал запросов)

Запись пользовательских вводов в Two-Box Interface, используемая для анализа частоты появления терминов в разных полях.

Location Score ($S_L(t)$)

Метрика, показывающая, как часто термин (t) появляется в Location Box.

Non-Location Score ($S_N(t)$)

Метрика, показывающая, как часто термин (t) появляется в Non-Location Box.

Normalized Location Indicator ($P_L(t)$) (Нормализованный индикатор местоположения)

Метрика (от 0 до 1), рассчитываемая на основе $S_L(t)$ и $S_N(t)$ для определения вероятности того, что термин является локацией.

Location Blacklist (Черный список локаций)

Список терминов, которые содержат компонент, похожий на местоположение, но на самом деле не относятся к нему (например, "Orlando Bloom", "Victoria's Secret").

Location Extraction Server (LES) (Сервер извлечения местоположений)

Компонент системы, который определяет, содержит ли термин географическое название. Используется для валидации при формировании Location Blacklist.

TH_STANDALONE и TH_BLACKLIST

Пороговые значения, используемые для классификации термина на основе $P_L(t)$.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод идентификации Standalone Location.

1. Система получает термин для оценки.
2. Извлекается Non-Location Score на основе логов (log data), показывающих частоту ввода термина в Non-Location Input Box ("Что").
3. Извлекается Location Score на основе логов, показывающих частоту ввода термина в Location Input Box ("Где").
4. На основе этих двух оценок система определяет, является ли термин Standalone Location.

Claim 6 (Независимый пункт): Описывает метод идентификации термина для Location Blacklist.

1. Система получает термин для оценки.
2. Извлекаются Non-Location Score и Location Score (аналогично Claim 1).
3. На основе этих двух оценок система определяет, принадлежит ли термин к Location Blacklist (критерий: термин содержит название географического места, но не относится к нему).

Claim 16 (Зависимый от 1) и Claim 18 (Зависимый от 6): Детализируют математический подход к принятию решения.

• Вычисляется Normalized Location Indicator ($P_L(t)$) как отношение Location Score к сумме Location Score и Non-Location Score.
• Для Standalone Location (Claim 16): $P_L(t)$ должен быть выше порога (standalone threshold).
• Для Location Blacklist (Claim 18): $P_L(t)$ должен быть ниже порога (blacklist threshold).

Claim 5 и Claim 8 (Зависимые): Описывают использование Location Extraction Server (LES) или location-extraction engine для уточнения Location Blacklist.

Для попадания в Location Blacklist может требоваться не только низкий $P_L(t)$, но и подтверждение от LES, что термин действительно содержит компонент, похожий на название локации. Это позволяет отфильтровать обычные слова (например, "Пицца"), у которых $P_L(t)$ низкий, но которые не являются географически неоднозначными.

Где и как применяется

Изобретение охватывает сбор данных, их офлайн-обработку и применение результатов для понимания запросов в реальном времени.

CRAWLING – Сканирование и Сбор данных
Система собирает Query Logs из специализированного интерфейса (Two-Box Interface). Это процесс сбора явной обратной связи от пользователей о том, как они классифицируют термины.

INDEXING – Индексирование и извлечение признаков (Офлайн-обработка)
На этом этапе происходит анализ накопленных логов. Система (Standalone Location/Blacklist Generator) вычисляет метрики для терминов и формирует списки Standalone Locations и Location Blacklist. Эти списки сохраняются и становятся доступными для поисковой системы.

QUNDERSTANDING – Понимание Запросов (Онлайн-применение)
Основной этап применения. При получении пользовательского запроса система использует созданные списки для интерпретации терминов. Это определяет, будет ли запрос классифицирован как локальный и следует ли игнорировать потенциальные географические сигналы (если термин в Location Blacklist).

RANKING – Ранжирование
Если запрос идентифицирован как локальный благодаря распознаванию Standalone Location, система использует информацию о местоположении при ранжировании результатов (например, активируя Local Pack или предпочитая локализованные результаты).

Входные данные:

• Query Logs из Two-Box Interface (частоты L и N).
• Термины для оценки (t).
• (Опционально) Ответ от Location Extraction Server (LES).

Выходные данные:

• List of Standalone Locations.
• Location Blacklist.

На что влияет

• Специфические запросы: В первую очередь влияет на локальные запросы и запросы, содержащие географические названия или термины с географической омонимией.
• Конкретные ниши или тематики: Критически важно для Local SEO, а также для брендов, организаций и персон, чьи названия совпадают с топонимами.
• Языковые и географические ограничения: В патенте явно указано, что метод применим к различным языкам, включая китайский, японский, корейский и английский.

Когда применяется

• Временные рамки: Анализ логов и генерация списков происходит периодически в офлайн-режиме. Использование списков происходит в реальном времени при обработке каждого запроса.
• Пороговые значения: Классификация зависит от сравнения $P_L(t)$ с порогами TH_STANDALONE и TH_BLACKLIST, которые могут динамически корректироваться.

Пошаговый алгоритм

Процесс офлайн-генерации списков:

1. Сбор данных и агрегация: Система получает термин (t) для анализа. Из Query Logs извлекаются счетчики: Location Count (L) — сколько раз термин появился в Location Box, и Non-Location Count (N) — сколько раз в Non-Location Box.
2. Вычисление базовых оценок: Рассчитываются Location Score $S_L(t)$ и Non-Location Score $S_N(t)$. Используется логарифмическое сглаживание: $S_L(t) = log(L+1)$ и $S_N(t) = log(N+1)$.
3. Вычисление индикатора: Рассчитывается Normalized Location Indicator $P_L(t)$. Формула: $P_L(t)$