Как Google использует историю местоположений пользователя для поиска чужих фотографий, сделанных в том же месте и в то же время

Термины и определения

Check-in Information (Информация о чекине)

Данные, введенные пользователем (например, в соцсети), указывающие на посещение места или события в определенное время. Используется как альтернатива или дополнение к Log File.

First Device (Первое устройство)

Устройство пользователя, которое записывает историю местоположений (Log File).

First Information (Первая информация)

Данные, предоставляемые для поиска. Включают Log File, временной диапазон (Time Range) и дистанционный диапазон (Distance Range).

Geographic Coordinates (Географические координаты)

Данные (широта и долгота), определяющие местоположение устройства или место съемки изображения (геотеги).

Log File (Лог-файл)

Файл, записываемый устройством пользователя (например, через GPS), содержащий историю перемещений: список Geographic Coordinates и соответствующих временных меток.

Metadata (Метаданные) / Second Information

Информация, связанная с изображением (например, EXIF), включающая время и место съемки.

Range (Диапазон)

Заданные пороговые значения для поиска. Включают Distance Range (радиус расстояния) и Time Range (временной интервал).

Second Device (Второе устройство)

Устройство, с которого было сделано найденное изображение. Отличается от Первого устройства.

Third Device (Третье устройство)

Устройство, на которое отправляются результаты поиска (например, ПК пользователя). Может отличаться от Первого и Второго устройств.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод, выполняемый сетевым сервером.

1. Сервер получает First Information о First Device. Это включает: журнал (Log), записанный устройством, с множеством местоположений и времени; Time Range; и Distance Range.
2. Сервер выполняет поиск изображений, чьи метаданные местоположения и времени попадают в заданные диапазоны относительно записей журнала.
3. Сервер идентифицирует изображение-кандидат, связанное с Second Device (отличным от первого).
4. Сервер отправляет версию изображения в низком разрешении на Third Device (отличное от первого и второго) для одобрения.
5. Сервер получает одобрение и отправляет версию изображения в полном разрешении на Third Device.

Ядром изобретения является использование истории перемещений одного устройства для поиска контента, созданного другими устройствами в том же пространственно-временном контексте, с доставкой результатов на потенциально третье устройство после валидации.

Claim 7 (Независимый пункт): Альтернативное описание процесса с акцентом на хранение и поиск.

1. Хранение Time Range, Distance Range и журнала (Log) First Device.
2. Поиск на сетевых серверах изображения-кандидата, связанного с Second Device, чьи метаданные (место и время съемки) попадают в заданные диапазоны относительно записей журнала.
3. Получение версии в низком разрешении и отправка её на Third Device для одобрения.
4. Отправка полной версии после получения одобрения.

Claim 2 и 3 (Зависимые от 1): Уточняют функциональность. Система может выполнять распознавание лиц (facial recognition process) на найденных изображениях (Claim 2). Входные данные могут включать Check-in Information вместо или вместе с Log File (Claim 3).

Где и как применяется

Изобретение применяется в системах поиска изображений (например, Google Photos или специализированный Image Search) и затрагивает несколько этапов поисковой архитектуры.

INDEXING – Индексирование и извлечение признаков
Критический этап. Система должна извлекать и индексировать Metadata изображений (EXIF), в частности, Geographic Coordinates (геотеги) и временные метки (время съемки). Эти данные сохраняются в индексе изображений для быстрого доступа.

QUNDERSTANDING – Понимание Запросов
Система обрабатывает специфический тип запроса. Вместо текста запрос состоит из структурированных данных: Log File или Check-in Information. Система интерпретирует эти данные (координаты и время) как набор пространственно-временных ограничений для поиска.

RANKING – Ранжирование (Retrieval / Отбор кандидатов)
Основное применение. Система выполняет поиск (Retrieval) в индексе изображений. Это не конкурентное ранжирование, а строгая фильтрация изображений по соответствию их метаданных данным из Log File в пределах заданных диапазонов (Range).

Входные данные:

• Log File (координаты, время).
• Time Range и Distance Range.
• Опционально: Check-in Information.
• Опционально: Образец изображения для распознавания лиц или объектов.

Выходные данные:

• Набор изображений (сначала в низком разрешении/Thumbnails, затем в полном).

На что влияет

• Конкретные типы контента: Влияет исключительно на обнаружение изображений (фотографий), которые содержат точные метаданные о геолокации и времени съемки.
• Конкретные ниши или тематики: Наибольшее влияние в нишах, связанных с физическими локациями и событиями: туризм, мероприятия, локальный бизнес, недвижимость.

Когда применяется

• Триггеры активации: Явный запрос пользователя к специализированному сервису и предоставление им доступа к своей истории местоположений (Log File) или Check-in Information.
• Условия работы алгоритма: Необходимо, чтобы пользователь активировал функцию записи истории местоположений (opt-in) на своем устройстве, и чтобы в индексе Google присутствовали изображения с соответствующими метаданными.

Пошаговый алгоритм

1. Получение данных пользователя: Вычислительное устройство получает информацию из Log File (история местоположений и времени).
2. Отправка запроса: Устройство отправляет информацию из Log File и параметры Range (время и расстояние) сервису на сервере.
3. Парсинг лога: Сервис обрабатывает Log File, извлекая записи (координаты + время).
4. Выполнение поиска: Для каждой записи сервис генерирует запрос к индексу изображений, используя заданные Distance Range (радиус поиска) и Time Range (интервал времени) в качестве фильтров.
5. Отбор и Фильтрация: Сервис идентифицирует изображения-кандидаты, чьи метаданные удовлетворяют фильтрам.
6. (Опционально) Распознавание: Выполнение распознавания лиц или объектов, если это требуется (Claims 2, 9).
7. Генерация миниатюр: Сервис получает или генерирует миниатюры (Thumbnails) идентифицированных изображений.
8. Взаимодействие с пользователем: Миниатюры отправляются на устройство пользователя (Third Device) для просмотра и одобрения.
9. Доставка результатов: После получения одобрения сервис отправляет полные версии выбранных изображений пользователю. Они могут быть организованы в хронологический или тематический альбом.

Какие данные и как использует

Данные на входе

Система использует следующие ключевые данные:

• Мультимедиа факторы (Метаданные изображений): Критически важные данные. Geographic Coordinates (GPS-координаты) и время съемки (timestamp), извлеченные из EXIF или аналогичных метаданных проиндексированных изображений.
• Географические и Временные факторы (Данные пользователя): Log File с историей перемещений (координаты и время). Альтернативно используется Check-in Information (место и время).
• Пользовательские факторы: Заданные пользователем или системой диапазоны (Range) для поиска. Явное разрешение (Opt-in) на ведение и использование Log File.
• Мультимедиа факторы (Образец): Опционально, образец изображения (например, фотография пользователя), предоставленный для выполнения процессов распознавания.

Какие метрики используются и как они считаются

Система использует пороговые значения для фильтрации. Классические метрики ранжирования не применяются.

• Distance Range (Диапазон расстояния): Пороговое значение. Определяет максимальный радиус вокруг координат из Log File, в пределах которого ищутся изображения.
• Time Range (Временной диапазон): Пороговое значение. Определяет временной интервал (до и/или после временной метки в Log File), в пределах которого ищутся изображения.
• Совпадение (Match): Бинарная метрика, срабатывающая, если метаданные изображения удовлетворяют обоим диапазонам.
• Метрики распознавания: Если используются функции распознавания лиц или объектов, применяются внутренние метрики уверенности для определения совпадения.

1. Это функциональность продукта, а не алгоритм ранжирования: Патент не описывает, как Google ранжирует сайты или изображения в основном поиске. Он описывает конкретную функцию (вероятно, связанную с Google Photos), использующую личные данные пользователя для поиска контента.
2. Критическая важность метаданных (EXIF): Обнаружение изображений в этой системе полностью зависит от наличия и точности Metadata, в частности, геотегинга (Geographic Coordinates) и временных меток. Это подтверждает, что Google активно индексирует и использует эти данные.
3. Индексация физического контекста: Система демонстрирует подход к пониманию контента через его физический контекст (где и когда он был создан), а не только через текстовое описание.
4. Персонализация через геолокацию: История местоположений пользователя используется как основа для глубоко персонализированного поиска, выходящего за рамки текстовых запросов.
5. Значение для Image SEO и Local SEO: Для владельцев сайтов, публикующих изображения с важным контекстом места (туризм, недвижимость, локальный бизнес), наличие точных метаданных повышает вероятность обнаружения их контента через персонализированные и локальные сервисы Google.

Best practices (это мы делаем)

Хотя патент не влияет на ранжирование в веб-поиске, он имеет важное значение для стратегии Image SEO и Локального SEO.

• Максимизация использования геотегинга (Geotagging): Необходимо внедрить процесс добавления точных Geographic Coordinates в EXIF-данные всех релевантных изображений. Это критично для сайтов недвижимости, туристических агентств, локального бизнеса и организаторов мероприятий.
• Сохранение метаданных при оптимизации: При сжатии изображений для ускорения загрузки сайта важно убедиться, что критически важные EXIF-данные (геокоординаты и время съемки) не удаляются. Используйте инструменты, позволяющие выборочно сохранять Metadata.
• Обеспечение точности временных меток: Убедитесь, что время и дата съемки в метаданных корректны, так как они являются вторым ключевым параметром для сопоставления в описанной системе.
• Использование структурированных данных как альтернативы: Если EXIF-данные отсутствуют, используйте микроразметку ImageObject с полями contentLocation или spatialCoverage, чтобы явно указать местоположение, связанное с изображением.

Worst practices (это делать не надо)

• Полная очистка EXIF-данных: Автоматическое удаление всех метаданных из изображений в целях «оптимизации» лишает изображение контекста местоположения и времени, снижая его обнаруживаемость в специализированных сервисах.
• Игнорирование Image SEO Metadata: Фокусировка только на alt-тексте и имени файла недостаточна. Встроенные метаданные играют роль в понимании контента системой.
• Манипуляции с геотегами (Spamming): Добавление ложных географических координат в попытке повысить видимость является манипуляцией и не рекомендуется.

Стратегическое значение

Патент подтверждает стратегию Google по глубокому пониманию контента через его физический контекст (время и пространство). Для SEO-специалистов это означает, что достоверность и точность локационных данных в контенте (включая встроенные метаданные изображений) становятся важными факторами, особенно в локальном поиске и Image SEO. Долгосрочная стратегия должна рассматривать изображения как самостоятельные единицы контента, требующие оптимизации через Metadata.

Практические примеры

Сценарий: Оптимизация изображений для сайта локального ресторана (Image SEO / Local SEO)

1. Задача: Повысить видимость изображений ресторана в сервисах Google (Images, Maps, специализированные сервисы).
2. Действия (на основе патента):
   • При проведении фотосессии интерьера и блюд убедиться, что камера или смартфон записывает GPS-данные.
   • Если данные не записаны, добавить координаты ресторана вручную с помощью специализированного ПО (например, Adobe Lightroom) перед экспортом.
   • При загрузке изображений на сайт и в Google Business Profile использовать плагин оптимизации, который сохраняет EXIF-данные (геотеги и время).
3. Ожидаемый результат: Google индексирует изображение с точным пониманием, где и когда оно было сделано. Это улучшает видимость в локальном поиске и позволяет сервисам, подобным описанному в патенте, находить эти фотографии для пользователей, посетивших ресторан.