Как Google идентифицирует и ранжирует людей, связанных с запросом, и различает однофамильцев с помощью контекста

Термины и определения

Classification Cluster (Кластер классификации)

Группа ресурсов, объединенных на основе наличия одного или нескольких общих или связанных Classification Terms. Используется для определения контекста, связанного с именем.

Classification Term (Термин классификации)

Слово или фраза (не являющаяся именем человека), используемая для группировки ресурсов в кластеры. Это контекстные идентификаторы, такие как адреса электронной почты, URL, географические названия или должности. Выбираются на основе их относительной уникальности.

Name Frequency (NF) (Частота упоминания с именами)

Метрика (описанная в патенте), показывающая, как часто потенциальный Classification Term появляется в непосредственной близости к любому имени человека. Используется для оценки полезности термина для дисамбигуации.

Name Index (Индекс имен)

Хранилище данных, содержащее идентифицированные имена людей и их ассоциации с ресурсами. Имена сохраняются только если вероятность идентификации превышает порог.

Person Identity (Идентичность человека / Личность)

Конкретный человек, связанный с Person Name. Одно имя может иметь несколько идентичностей. Идентичность определяется через ассоциацию имени с определенными Classification Clusters.

Person Name (Имя человека)

Текстовая строка, идентифицированная системой как имя человека.

Term Frequency (TF) (Частота термина)

Метрика (описанная в патенте), показывающая, как часто термин появляется в наборе ресурсов. Используется для оценки уникальности потенциального Classification Term (слишком частые исключаются).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс идентификации и дисамбигуации людей.

1. Идентификация Classification Terms (не являющихся именами людей) в группе ресурсов.
2. Группировка ресурсов в Classification Clusters на основе этих терминов.
3. Идентификация имен людей в ресурсах внутри этих кластеров.
4. Вычисление оценки вероятности (score of a probabilistic determination) того, что набор слов является именем человека.
5. Ключевой шаг (Точность): Устранение ложных срабатываний путем сохранения имени в Name Index, только если оценка вероятности превышает определенный порог.
6. Ключевой шаг (Дисамбигуация): Идентификация как минимум двух разных людей (Person Identities), соответствующих одному имени. Эта идентификация основана на том, что имя связано с различными наборами Classification Clusters, которые отличаются (distinct) от кластеров другой личности.
7. Идентификация групп ресурсов, связанных с каждой личностью.
8. В ответ на запрос отображение дисамбигуированного списка (disambiguated listing) личностей с вложенными списками ресурсов.

Claim 5 (Зависимый): Уточняет выбор Classification Terms.

Classification Terms выбираются на основе их относительной уникальности (relative uniqueness) в наборе ресурсов.

Claim 7 и 9 (Зависимые): Уточняют ассоциацию имен с кластерами.

Ассоциация устанавливается, если имя находится в пределах заданной близости (predetermined proximity) от Classification Term. Чем ближе термин к имени, тем выше оценка (score) этой ассоциации.

Claim 18 и 19 (Зависимые): Определяют типы Classification Terms.

Термины включают слова из предопределенных категорий: email-адрес, URL, географическое название или должность (title).

Где и как применяется

Изобретение охватывает несколько этапов, с акцентом на предварительную обработку данных для точной идентификации сущностей.

INDEXING – Индексирование и извлечение признаков
Основная работа по подготовке данных происходит на этом этапе (офлайн):

1. Идентификация имен: Система сканирует ресурсы, использует вероятностные модели для определения имен и сохраняет их в Name Index, если достоверность превышает порог.
2. Идентификация и оценка терминов: Идентифицируются потенциальные Classification Terms. Вычисляются метрики (например, TF и NF) для оценки их уникальности и полезности.
3. Построение кластеров и Дисамбигуация: Ресурсы группируются в Classification Clusters. Система ассоциирует имена с кластерами (учитывая близость) и определяет различные Person Identities.

RANKING – Ранжирование
Система определяет набор ресурсов, релевантных запросу. Затем Scoring Module оценивает релевантность имен, найденных в этих результатах, самому запросу (на основе частоты, близости к терминам запроса и т.д.).

METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование
На этом этапе формируется специализированная выдача (например, вертикаль "People Search" или блок с релевантными людьми). Система извлекает предопределенные Person Identities для высокоранжированных имен и генерирует финальный список с дисамбигуацией и вложенными ресурсами.

Входные данные:

• Текст и метаданные ресурсов (Корпус документов).
• Поисковый запрос.
• Name Index и индекс Classification Terms.

Выходные данные:

• Список релевантных людей (Person Identities, а не просто имена).
• Дисамбигуированный список, если имя неоднозначно.
• Вложенные списки ресурсов для каждой идентичности.

На что влияет

• Конкретные типы контента: Наибольшее влияние на страницы об авторах, экспертах, биографии, новости, научные публикации – везде, где важна идентификация личности.
• Конкретные ниши или тематики: Критично для YMYL-тематик, где авторитетность автора (E-E-A-T) имеет решающее значение, а также в академических кругах и журналистике.
• Специфические запросы: Запросы, подразумевающие поиск людей (например, "krispy kreme ceo") или тематические запросы, где система определяет ключевых фигур (например, "lakers").

Когда применяется

• Триггеры активации: Когда система определяет, что ответ на запрос лучше всего представить в виде списка релевантных личностей, или когда пользователь явно выбирает поиск по людям.
• Условия дисамбигуации: Активируется, когда система обнаруживает, что одно Person Name связано с двумя или более различными, непересекающимися Classification Clusters.
• Пороговые значения: Применяется порог достоверности для идентификации имен и пороги частотности (TF/NF) для выбора Classification Terms.

Пошаговый алгоритм

Процесс А: Идентификация и Дисамбигуация (Офлайн/Индексирование)

1. Сканирование и Идентификация Имен: Поиск потенциальных имен (например, по капитализации). Вычисление вероятностной оценки. Если оценка выше порога, имя сохраняется в Name Index.
2. Идентификация и Оценка Classification Terms: Поиск уникальных идентификаторов (email, должности, локации). Расчет TF и NF. Выбор терминов, которые достаточно уникальны (низкий TF) и часто встречаются рядом с именами (высокий NF).
3. Индексирование Ассоциаций: Сохранение связей между Classification Term, ресурсом и именем, находящимся вблизи термина, с учетом расстояния (proximity).
4. Построение Кластеров: Группировка ресурсов в Classification Clusters на основе общих или связанных Classification Terms.
5. Определение Идентичностей: Для конкретного Person Name анализируются связанные с ним кластеры. Если существуют группы кластеров, которые связаны между собой, но не связаны (не пересекаются) с другими группами кластеров, каждая такая группа определяется как отдельная Person Identity.

Процесс Б: Обработка Запроса и Ранжирование (Онлайн)

1. Получение запроса и ресурсов: Идентификация ресурсов, удовлетворяющих запросу.
2. Извлечение и Оценка Имен: Идентификация имен людей в этих ресурсах. Расчет оценки релевантности для каждого имени (на основе частоты, близости к терминам запроса, качества ресурса).
3. Выбор Топовых Имен: Выбор подмножества имен с наивысшими оценками.
4. Применение Дисамбигуации: Для выбранных имен извлекаются предопределенные Person Identities (из Процесса А).
5. Генерация Выдачи: Создание финального списка. Если у имени несколько идентичностей, они показываются отдельно (дисамбигуированный список), каждая со своим набором релевантных ресурсов.

Какие данные и как использует

Данные на входе

Система использует следующие типы данных из ресурсов:

• Контентные факторы: Текст ресурсов. Анализируется регистр букв (капитализация) для идентификации имен. Анализируется контекст вокруг имен для поиска Classification Terms. Заголовки и URL также могут влиять на оценку релевантности имени запросу.
• Структурные факторы: Физическое расположение текста. Измеряется близость (proximity) между именами и терминами.
• Специфические идентификаторы (Classification Terms): Патент явно упоминает использование следующих категорий данных для классификации:
  • Email адреса.
  • URL.
  • Географические названия (Geographical name).
  • Должности (Title).

Какие метрики используются и как они считаются

• Probability Score (Оценка вероятности имени): Вероятность того, что набор слов является именем человека. Используется порог для сохранения в Name Index и фильтрации ложных срабатываний.
• Relevance Score (Оценка релевантности имени запросу): Метрика для ранжирования имен по отношению к исходному запросу. Учитывает частоту имени, близость к терминам запроса и качество ресурса.
• Term Frequency (TF) и Name Frequency (NF): Используются для расчета "относительной уникальности" и полезности Classification Term. Слишком частые термины исключаются.
• Proximity Score (Оценка близости): Метрика, основанная на расстоянии между Person Name и Classification Term в тексте. Чем ближе термин к имени, тем выше оценка ассоциации.
• Cluster Distinctness (Различие кластеров): Метрика, оценивающая степень непересечения между Classification Clusters. Используется для финального определения разных Person Identities.

1. Контекст определяет Идентичность (Identity): Ключевой вывод — Google определяет, кем является человек, путем кластеризации контента вокруг уникальных контекстных идентификаторов (Classification Terms), найденных рядом с его именем.
2. Уникальность идентификаторов критична: Система отфильтровывает общие термины (например, "Университет" или название крупного города) при дисамбигуации. Для определения идентичности используются более уникальные термины (конкретные должности, email-адреса, названия небольших организаций).
3. Близость (Proximity) является сильным сигналом связи: Ассоциация между именем и Classification Term значительно усиливается, если они находятся близко друг к другу в тексте. Это напрямую влияет на структурирование контента и биографий.
4. Точность распознавания имен: Система использует вероятностные модели и строгие пороговые значения для идентификации имен, стремясь минимизировать ошибки и не путать обычные слова с именами.
5. Дисамбигуация основана на отсутствии пересечений: Разные Person Identities определяются, когда имя ассоциируется с разными наборами Classification Clusters, которые не пересекаются между собой. Это подчеркивает необходимость последовательного и четкого контекста для каждой личности.

Best practices (это мы делаем)

• Четкая и последовательная идентификация экспертов (для E-E-A-T): Убедитесь, что имена авторов и ключевых экспертов представлены последовательно на всем сайте и во внешних источниках. Это помогает системе корректно агрегировать сигналы и формировать Person Identity.
• Использование уникальных контекстных идентификаторов (Classification Terms): При упоминании экспертов (особенно в авторских биографиях и на странице "О нас") включайте уникальные идентификаторы: конкретную должность (например, "Vice Provost" вместо "Professor"), название организации, конкретное географическое местоположение, профессиональный email, ссылки на авторитетные профили (URL).
• Оптимизация близости (Proximity): Размещайте ключевые Classification Terms в непосредственной близости от имени человека. Например: "John Doe, Vice Provost at XYZ University", а не разделяйте имя и должность несколькими абзацами текста.
• Построение четких ассоциаций (Clustering): Работайте над тем, чтобы ваш эксперт четко ассоциировался с определенным набором тем и идентификаторов. Это помогает системе сформировать устойчивый Classification Cluster для его идентичности, укрепляя E-E-A-T. Использование микроразметки Schema.org/Person поддерживает этот процесс.

Worst practices (это делать не надо)

• Использование общих идентификаторов: Использование слишком общих терминов (например, "Писатель", "Эксперт", "Москва") для описания автора не помогает системе в дисамбигуации, так как эти термины не являются уникальными Classification Terms и могут быть отфильтрованы.
• Непоследовательное упоминание: Использование разных вариантов имени или разных наборов идентификаторов в разных контекстах может затруднить системе определение единой Person Identity или привести к ее фрагментации.
• Разделение имени и контекста: Размещение имени автора в начале статьи, а его регалий и идентификаторов – далеко внизу страницы или на отдельной странице. Это ослабляет связь из-за потери близости (proximity).
• Игнорирование неоднозначности имен: Если у автора распространенное имя, не предпринимать активных шагов по его дисамбигуации (через уникальные идентификаторы) рискованно, так как его авторитет может быть неверно атрибутирован.

Стратегическое значение

Этот патент подтверждает критическую важность управления сущностями (Entity Management) для SEO и E-E-A-T. Авторитет привязан к корректно идентифицированной и дисамбигуированной личности (Person Identity). Стратегия должна фокусироваться на том, чтобы сделать процесс идентификации и классификации экспертов максимально простым для поисковой системы, предоставляя четкие, последовательные и уникальные контекстные сигналы (Classification Terms).

Практические примеры

Сценарий: Оптимизация биографии автора с распространенным именем для E-E-A-T

Задача: Убедиться, что Google корректно идентифицирует автора "James Smith", врача-кардиолога, и не путает его с другими людьми с таким же именем.

Плохая реализация (Минимум контекста):
Автор: James Smith. Джеймс – врач и эксперт по здоровью, живет в Калифорнии.

(Проблема: Термины "врач", "эксперт по здоровью", "Калифорния" слишком общие и не пройдут порог уникальности для Classification Terms).

Оптимизированная реализация (Использование уникальных Classification Terms вблизи имени):
Автор: Dr. James A. Smith, MD.
Dr. Smith является Ведущим хирургом-кардиологом (Title/Classification Term) в Cedars-Sinai Medical Center (Organization/Unique Name) в Лос-Анджелесе. Контакт: j.a.smith.md@cedars-sinai.org (Email address/Classification Term). [Далее следует биография].

(Результат: Система с высокой вероятностью использует эти уникальные термины для формирования отдельного Classification Cluster. Близость этих терминов к имени создает сильную ассоциацию и обеспечивает корректную дисамбигуацию и атрибуцию E-E-A-T).