Как Google использует всплески поискового интереса и анализ новостей для обновления Графа Знаний в реальном времени

Термины и определения

Action Discovery Engine (Механизм обнаружения действий)

Компонент системы, отвечающий за выявление недавних событий, связанных с сущностью, путем анализа всплесков запросов и соответствующего контента.

Cluster Score (Оценка кластера)

Метрика для определения значимости и консенсуса группы извлеченных триплетов. Если оценка превышает порог, генерируется факт.

Entity Graph / Graph-based Data Store (Граф сущностей / Графовое хранилище)

База знаний (например, Google Knowledge Graph), хранящая информацию в виде узлов (сущностей) и ребер (отношений).

Search Records (Журналы поисковых запросов)

Логи запросов, содержащие данные о времени и поисковых терминах. Используются для выявления трендов и всплесков интереса.

Spike (Всплеск)

Временное увеличение количества запросов о сущности, превышающее пороговое значение (например, выше среднего уровня).

SVO Triple (Subject-Verb-Object Triple) (Триплет Субъект-Глагол-Объект)

Структура данных, извлекаемая из текста для представления факта (Кто-Что сделал-С кем/Чем). Например, (Tom Cruise, Stars in, Oblivion).

Syntactic-Semantic Parsing Engine (Механизм синтактико-семантического анализа)

NLP-компонент, выполняющий анализ текста: разметку частей речи (POS tagging), анализ зависимостей (dependency parsing), извлечение именных групп и разрешение кореференции.

Target Action (Целевое действие)

Предопределенная категория для нормализации различных глаголов. Например, глаголы "женился", "вышла замуж" могут быть приведены к целевому действию "Брак".

Window of Interest (Окно интереса)

Период времени, в течение которого наблюдался всплеск поисковых запросов. Используется для фильтрации документов по дате публикации.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод обновления графа знаний на основе анализа запросов и контента.

1. Система определяет поисковый термин для первой сущности в графе знаний.
2. Определяется период времени, когда количество запросов по этому термину достигло порогового значения (всплеск).
3. Отбираются документы, релевантные термину и связанные с этим периодом времени.
4. Документы анализируются для обнаружения действия. Анализ включает:
   • Идентификацию глаголов в контенте.
   • Генерацию триплета (Субъект, Глагол, Объект), где Субъект или Объект является первой сущностью.
5. Определяется вторая сущность, связанная с действием (вторая часть триплета).
6. Система предоставляет обновление для графа знаний на основе триплета (Первая сущность, Действие, Вторая сущность).

Claim 8 (Независимый пункт): Описывает схожий процесс, но с акцентом на верификацию факта (консенсус).

Ключевое отличие от Claim 1: система анализирует документы для определения действия, которое появляется в минимальном количестве документов (minimum number of the documents). Это указывает на необходимость подтверждения факта из нескольких источников.

Claim 15 (Зависимый от 8): Описывает механизм кластеризации для верификации.

1. Система генерирует множество триплетов из разных документов.
2. Триплеты кластеризуются в группы на основе глаголов (или их соответствия Target Actions).
3. Определяется, достигает ли хотя бы одна группа пороговой оценки кластера (threshold cluster score).
4. Обновление предоставляется только в том случае, если порог достигнут.

Claim 5 и 12 (Зависимые): Уточняют механизм нормализации.

Система проверяет, соответствует ли извлеченный глагол предопределенному Target Action. Если да, то Target Action используется в качестве глагола в триплете. Это позволяет системе группировать синонимичные события.

Claim 19 (Независимый пункт): Описывает использование механизма для обогащения поисковой выдачи (SERP Enhancement).

Процесс аналогичен Claim 8 (включая требование консенсуса), но финальным шагом является генерация текста, описывающего триплет, для включения в результаты поиска по запросу, связанному с сущностью (например, в блоке "Недавно").

Где и как применяется

Изобретение работает на стыке нескольких этапов поиска, используя данные из индекса и логи запросов для обновления Knowledge Graph и формирования выдачи.

CRAWLING и INDEXING – Сканирование и Индексирование
Система полагается на наличие проиндексированных и датированных документов (Crawled Documents). Syntactic-Semantic Parsing Engine применяется для анализа контента и извлечения признаков.

QUNDERSTANDING – Понимание Запросов (Анализ логов)
Система постоянно анализирует Search Records (логи запросов) для выявления статистически значимых всплесков (spikes) интереса к конкретным сущностям. Это анализ глобальных трендов, который служит триггером для Action Discovery Engine.

INDEXING (Обновление Графа Знаний)
Основная цель патента. Action Discovery Engine использует данные из логов и индекса контента для генерации новых фактов и предоставляет обновления для Graph-based Data Store.

METASEARCH – Метапоиск и Смешивание
Результаты работы алгоритма напрямую влияют на формирование SERP. Система может генерировать текст о недавних событиях для включения в поисковую выдачу (например, в Knowledge Panel), смешивая его с результатами из графа знаний и веб-индекса.

Входные данные:

• Сущность (из Графа Знаний).
• Журналы поисковых запросов (Search Records).
• Корпус проиндексированных документов с временными метками (Crawled Documents).
• Список предопределенных Target Actions (опционально).

Выходные данные:

• Новые триплеты (факты) для обновления Графа Знаний.
• Текстовые описания недавних событий для включения в SERP.
• Возможно, новые сущности, ранее не известные графу (Claim 6).

На что влияет

• Конкретные типы контента: Наибольшее влияние оказывается на новостной контент, блоги, пресс-релизы – источники, которые оперативно освещают события.
• Специфические запросы: Запросы о сущностях (людях, компаниях, продуктах), особенно в контексте недавних событий или трендов.
• Конкретные ниши: Развлечения, спорт, политика, бизнес (M&A, запуски продуктов) – тематики, где часто происходят значимые события, вызывающие всплеск интереса.

Когда применяется

• Триггеры активации: Ключевой триггер — обнаружение всплеска (spike) в частоте запросов по терминам, связанным с сущностью. Объем запросов должен превысить определенный порог (threshold), который выше среднего объема за предыдущий и последующий периоды.
• Временные рамки: Алгоритм фокусируется на документах, опубликованных в пределах Window of Interest (периода всплеска) или в непосредственной близости от него (temporal distance). Эта близость может варьироваться в зависимости от размера всплеска или времени, прошедшего с момента события.
• Альтернативный режим: В патенте также упоминается, что система может работать в пакетном режиме для поиска недавних событий для набора популярных сущностей, используя фиксированный недавний период времени, даже без обнаружения явного всплеска.

Пошаговый алгоритм

Процесс обнаружения действий сущности:

1. Генерация поисковых терминов: Система преобразует сущность (например, "Барак Обама") в набор поисковых терминов (например, "Барак Обама", "Президент Обама", опционально с добавлением глаголов: "Обама сделал").
2. Обнаружение всплеска (Spike Detection): Анализ Search Records для идентификации периода времени (Window of Interest), когда частота запросов по этим терминам резко возросла и превысила порог.
3. Выборка контента: Отбор документов из Crawled Documents, релевантных поисковым терминам и имеющих дату публикации, темпорально близкую к Window of Interest.
4. Синтактико-семантический анализ: Обработка отобранных документов с помощью NLP:
   • Анализ текста на наличие глаголов, связанных с сущностью.
   • Выполнение разметки частей речи, анализа зависимостей и разрешения кореференции.
5. Извлечение и нормализация триплетов:
   • Генерация SVO triples, где сущность является Субъектом или Объектом.
   • Попытка сопоставить глагол с предопределенным списком Target Actions. Если сопоставление успешно, глагол в триплете может быть заменен на Target Action.
6. Кластеризация действий: Группировка извлеченных триплетов из разных документов на основе сходства глаголов (или Target Actions) и объектов для выявления консенсуса.
7. Оценка и Валидация: Расчет Cluster Score для каждого кластера. Проверка, превышает ли оценка пороговое значение (threshold cluster score).
8. Генерация факта: Если порог превышен, система генерирует факт. Это может быть новый триплет для графа или текстовое описание (например, предложение, наиболее центральное для кластера).
9. Применение: Выбранный факт используется для обновления Entity Graph (автоматически, если Confidence Score высок) или для обогащения SERP текстовым описанием.

Какие данные и как использует

Данные на входе

• Поведенческие факторы (Ключевые): Search Records (журналы запросов). Анализируется частота и временное распределение запросов для обнаружения Spikes и определения Window of Interest.
• Контентные факторы: Текст из Crawled Documents (веб-страницы, новости). Анализируются заголовки и основной текст для извлечения SVO triples.
• Временные факторы: Даты публикации или обнаружения документов. Критически важны для сопоставления контента с периодом всплеска интереса.
• Структурные данные (Граф Знаний): Существующие данные в Entity Graph используются для идентификации сущностей и интеграции новых фактов. Список Target Actions используется для нормализации глаголов.

Какие метрики используются и как они считаются

• Порог всплеска (Spike Threshold): Метрика для определения аномальной активности. Рассчитывается как превышение среднего количества запросов за аналогичные периоды времени до и после всплеска.
• Temporal Distance (Временная дистанция): Параметр, определяющий, насколько близко к Window of Interest должен быть опубликован документ. Может быть функцией от размера всплеска или времени, прошедшего с момента события.
• Cluster Score (Оценка кластера): Метрика для валидации факта. Рассчитывается на основе количества триплетов в кластере (консенсус источников). Может также учитывать популярность связанных терминов в поиске во время Window of Interest.
• Confidence Score (Оценка достоверности): Метрика для принятия решения об автоматическом обновлении графа. Может повышаться, если извлеченный глагол соответствует предопределенному Target Action.
• Методы анализа текста (NLP): Используются стандартные NLP-методы (Part-of-Speech Tagging, Dependency Parsing, Coreference Resolution) для извлечения структурированных триплетов SVO из неструктурированного текста.

1. Всплеск запросов как триггер для извлечения знаний: Google активно использует поведение пользователей (поисковые тренды) как сигнал для активации механизмов извлечения знаний. Рост интереса к сущности инициирует поиск причин этого роста в свежем контенте.
2. QDF для Графа Знаний: Патент описывает механизм реализации Query Deserves Freshness для Графа Знаний. Система специально ищет самую свежую информацию в период пикового интереса для обновления базы фактов.
3. Важность NLP и структуры SVO: Система полагается на синтактико-семантический анализ для извлечения фактов в формате Субъект-Глагол-Объект. Четкость формулировок в контенте критически важна для корректного извлечения.
4. Верификация через консенсус (Кластеризация): Google не полагается на один источник. Для подтверждения факта требуется, чтобы схожие триплеты были обнаружены в нескольких документах (Cluster Score должен превысить порог).
5. Нормализация данных через Target Actions: Использование предопределенных Target Actions позволяет стандартизировать информацию из разных источников, использующих разные формулировки, что упрощает обновление Графа Знаний.
6. Два типа вывода: Система может как обновлять основную структуру Knowledge Graph, так и оперативно добавлять информацию в SERP (например, блок "Недавно"), что особенно важно для эфемерных событий.

Best practices (это мы делаем)

• Скорость реакции (News SEO): Для новостных сайтов и PR-служб критически важно публиковать информацию о событии как можно быстрее, чтобы попасть в Window of Interest, когда Google активно ищет новые факты.
• Четкая структура контента (SVO): Оптимизируйте тексты (особенно заголовки и первые абзацы) для легкого извлечения SVO triples. Используйте прямой порядок слов, активный залог и четко указывайте действующие лица (Субъект) и объект действия. Пример: "Компания А приобрела Компанию Б", а не "Было достигнуто соглашение о приобретении".
• Согласованность информации (Consensus Building): При запуске инфоповодов (пресс-релизы, новости компании) необходимо обеспечить широкое и согласованное освещение в авторитетных источниках. Чем больше качественных источников напишут об одном и том же факте, тем выше будет Cluster Score и вероятность попадания в Граф Знаний.
• Точные временные метки: Убедитесь, что у всех публикаций есть четкие и точные даты публикации (в метаданных, Sitemap и видимой части страницы), так как система использует темпоральную близость для отбора контента.
• Стимулирование поискового интереса: Маркетинговые и PR-активности, которые генерируют резкий всплеск брендовых запросов или запросов о персоне, могут служить триггером для активации этого механизма и обновления информации о сущности в Google.

Worst practices (это делать не надо)

• Использование сложных и неоднозначных формулировок: Витиеватые предложения, пассивный залог, опущение главных членов предложения затрудняют работу Syntactic-Semantic Parsing Engine и снижают вероятность корректного извлечения SVO triple.
• Запоздалая публикация: Публикация контента о событии спустя значительное время после того, как всплеск интереса прошел. Система фокусируется на документах, темпорально близких к Window of Interest.
• Распространение противоречивой информации: Публикация разных версий события в разных источниках помешает системе сформировать кластер с высоким Cluster Score, и факт не будет принят.
• Кликбейт без фактов: Генерация всплеска интереса с помощью кликбейтных заголовков при отсутствии четких фактов в тексте не приведет к обновлению Графа Знаний, так как система не сможет извлечь валидные триплеты.

Стратегическое значение

Патент подтверждает стратегию Google на построение поисковой выдачи на основе фактов и сущностей (Граф Знаний) и поддержание их максимальной актуальности. Он демонстрирует, как Google решает проблему свежести данных, используя поведенческие сигналы (всплеск интереса) и анализ свежего контента. Для SEO это означает, что управление информацией о сущности (бренде, персоне) требует не только статической оптимизации, но и динамической работы с инфоповодами, новостями и PR для оперативного обновления данных в графе знаний.

Практические примеры

Сценарий: Обновление информации о запуске продукта

1. Событие: Компания Apple анонсирует новый iPhone.
2. Всплеск интереса: Миллионы пользователей начинают искать "новый iPhone", "Apple анонс". Система фиксирует Spike для сущностей Apple и iPhone. Определяется Window of Interest.
3. Действия SEO/PR команды: Немедленно публикуется пресс-релиз и рассылается ведущим СМИ. В заголовке четко указано: "Apple представила iPhone 16". В тексте используются четкие SVO.
4. Обработка Google: Action Discovery Engine активируется и анализирует свежие статьи (TechCrunch, The Verge) и пресс-релиз.
5. Извлечение и Кластеризация: Извлекаются триплеты: (Apple, представила, iPhone 16), (Apple, выпустила, iPhone 16). Глаголы мапятся на Target Action "Запуск продукта". Кластер достигает порога.
6. Результат: В Панели Знаний Apple появляется блок "Недавно: Запуск iPhone 16". В Граф Знаний добавляется новая сущность "iPhone 16" и связь с Apple.