Как Google использует графы сущностей для точного семантического сопоставления запросов и контента

Термины и определения

Confidence Score (Оценка уверенности)

Метрика, указывающая на семантическую релевантность (semantic relevancy) распознанной сущности поисковому запросу.

Content Selection Criteria Graph (Граф Критериев Выбора Контента)

Структура данных, представляющая семантические критерии для выбора контентного элемента (например, таргетинг рекламы). Сопоставляется с Query Graph.

Entity (Сущность)

Конкретный человек, место или вещь, связанный с уникальным идентификатором (Entity ID) в базе знаний (Knowledge Graph).

Named Variable (Именованная переменная)

Заполнитель в шаблоне (например, $Area, $Director), которому могут быть присвоены значения конкретных сущностей.

Query Graph (Граф Запроса)

Структура данных, представляющая семантику поискового запроса. Включает запрос, упомянутые сущности, их свойства и отношения (связи/узлы) между ними.

Semantic Criteria (Семантические критерии)

Критерии, основанные на топологии шаблона и конкретных экземплярах (instances) Named Variables.

Statistical Metric (Статистическая метрика)

Метрики (например, Odds Ratio, TF-IDF), используемые для оценки эффективности или значимости потенциальных семантических критериев в процессе их генерации.

Target Content (Целевой контент)

Входные данные (например, примеры запросов, целевая страница), используемые для автоматической генерации критериев выбора контента.

Template (Шаблон)

Структура, используемая для генерации критериев. Содержит топологию и Named Variables.

Topology (Топология)

Структура связей между узлами в графе.

Ключевые утверждения (Анализ Claims)

Патент US9501530B1 в описании содержит две основные концепции: 1) Сопоставление (Matching) запроса с критериями и 2) Генерация (Generation) критериев. Однако все пункты формулы изобретения (Claims 1-18) защищают исключительно процесс сопоставления (Matching).

Claim 1 (Независимый пункт): Описывает основной метод выбора контента с использованием графов.

1. Система получает поисковый запрос.
2. Идентифицирует множество сущностей (plurality of entities) в запросе с уникальными ID.
3. Генерирует Search Query Graph (Граф запроса), который включает: сам запрос, ID сущностей, свойства этих сущностей (включая другие сущности) и связи (relationship connections).
4. Идентифицирует кандидатов — Content Selection Criteria Graphs (Графы критериев).
5. Определяет конкретный граф критериев, который соответствует графу запроса на основе сходства сущностей, свойств и связей.
6. Ключевое условие валидации: Идентификация совпадения включает сравнение Entity Confidence Scores (Оценок уверенности сущностей) графа запроса с пороговыми значениями (Threshold Confidence Scores) графов критериев.
7. Идентифицирует и предоставляет контент, связанный с совпавшим графом критериев.

Ядром изобретения является использование детальных графовых структур для представления запросов и критериев таргетинга, а также требование структурного совпадения и валидации через Confidence Scores для выбора контента.

Claims 2, 3, 4 (Зависимые): Детализируют процесс сопоставления.

Сопоставление графов выполняется путем сравнения «узел за узлом» (node-by-node comparison) (Claim 2). Это сравнение определяет, совпадает ли топология (структура) графа запроса с топологией графа критериев (Claim 3, 4).

Claims 9, 10, 11 (Зависимые): Вводят оценку эффективности критериев.

После идентификации семантических критериев (Semantic Criteria) система определяет их эффективность в отборе контента, используя метрику (metric indicative of the effectiveness). Эта метрика может быть основана на TF-IDF или Odds Ratio.

Где и как применяется

Изобретение применяется на ключевых этапах обработки запроса и выбора контента.

QUNDERSTANDING – Понимание Запросов
Это основная область применения. Система идентифицирует сущности в запросе, оценивает Confidence Score и конструирует Query Graph, используя базу данных сущностей (Knowledge Graph). Это преобразует текст в семантическую структуру.

RANKING / Content Selection (Выбор контента)
На этом этапе происходит сопоставление. Query Graph сравнивается с Content Selection Criteria Graphs для определения релевантности и права на показ контента (например, участия в рекламном аукционе).

INDEXING и Офлайн-процессы
На этом этапе поддерживается база данных сущностей (Knowledge Graph). Также Content Selection Criteria Graphs могут генерироваться офлайн (процесс Generation) на основе Target Content.

Входные данные:

• Поисковый запрос (для Matching).
• Target Content (для Generation).
• База данных сущностей (Knowledge Graph).
• База данных Content Selection Criteria Graphs.

Выходные данные:

• Выбранные элементы контента (Matching).
• Кандидаты в критерии выбора контента (Generation).

На что влияет

• Специфические запросы: Наибольшее влияние на запросы с четко идентифицируемыми сущностями (бренды, продукты, локации, имена), где интент выражается через связи (например, «фильмы режиссера X», «отели возле Y»).
• Типы контента: В первую очередь влияет на системы выбора таргетированного контента (Google Ads), но механизм понимания запросов универсален для всего поиска.

Когда применяется

• Триггеры активации: Получение поискового запроса.
• Условия применения: Механизм активируется, если система может идентифицировать сущности в запросе с достаточным Confidence Score для построения Query Graph.
• Пороговые значения: Сопоставление подтверждается только в том случае, если Confidence Scores сущностей превышают пороги (Threshold Confidence Scores), заданные в Content Selection Criteria Graph (Claim 1).

Пошаговый алгоритм

Процесс А: Выбор Контента (Matching - Онлайн)

1. Получение запроса: Система получает поисковый запрос.
2. Идентификация сущностей: Идентифицируются сущности, упомянутые в запросе, и рассчитываются их Confidence Scores.
3. Генерация Query Graph: Создается граф запроса. Из базы знаний извлекаются свойства и отношения (предикаты/объекты) идентифицированных сущностей. Упоминается возможность использования коммерчески релевантного подмножества (commercially relevant subset) данных.
4. Извлечение кандидатов: Извлекаются потенциально соответствующие Content Selection Criteria Graphs. (Описание упоминает возможность преобразования Query Graph в плоскую структуру данных (flat data structure) для ускорения этого этапа).
5. Сопоставление топологии и содержания: Сравнение Query Graph и графов-кандидатов на поузловой основе (node-by-node comparison). Проверяется структура связей и содержание узлов.
6. Валидация уверенности: Проверка того, что Confidence Scores сущностей в графе запроса соответствуют пороговым значениям в графе критериев.
7. Выбор контента: Если найдено соответствие и пройдена валидация, связанный элемент контента выбирается как кандидат.

Процесс Б: Генерация Критериев (Generation - Офлайн/Ассистированный)

1. Получение Target Content: Система получает целевой контент (например, целевую страницу или список примеров запросов).
2. Идентификация сущностей и свойств: Анализ контента для выявления сущностей и их свойств/отношений.
3. Подбор шаблонов: Идентификация шаблонов (Templates), чья топология соответствует найденным свойствам и содержит Named Variables (например, $Area).
4. Определение Semantic Criteria: Идентификация конкретных экземпляров для именованных переменных.
5. Расчет Statistical Metrics: Оценка значимости критериев с использованием TF-IDF или Odds Ratio. Учитывается частота в целевом контенте (TF) и редкость в общем корпусе запросов (IDF).
6. Выбор кандидатов: Критерии ранжируются на основе метрик и предлагаются поставщику контента.

Какие данные и как использует

Данные на входе

• Данные о сущностях (Entity Data): Структурированная база данных сущностей (Knowledge Graph), содержащая уникальные идентификаторы (Entity ID), свойства и отношения. Это критически важный ресурс для построения Query Graphs.
• Пользовательские данные (User Data): Поисковые запросы (для процесса Matching).
• Данные поставщика контента (Provider Data): Target Content (для процесса Generation); Content Selection Criteria Graphs (для процесса Matching).
• Временные/Исторические данные (Historical Data): Корпус исторических запросов используется для расчета inverse query frequency (IQF) при генерации критериев.

Какие метрики используются и как они считаются

Метрики для сопоставления (Matching):

• Confidence Score: Оценка семантической релевантности сущности запросу. Используется как фильтр при сопоставлении графов.
• Topology Match (Совпадение топологии): Булев результат структурного сравнения двух графов.
• Threshold Confidence Scores: Пороговые значения уверенности, заданные в Content Selection Criteria Graphs.

Метрики для генерации (Generation):

• Statistical Metric (TF-IDF / Odds Ratio): Используется для ранжирования предложенных критериев.
  • $TF$ (Term Frequency) может рассчитываться как частота совпадения критерия с запросами из Target Content.
  • $IDF/IQF$ (Inverse Document/Query Frequency) рассчитывается на основе большого корпуса исторических запросов и показывает редкость критерия.

1. Фундаментальная роль Query Graphs: Google активно преобразует запросы в графовые структуры (Query Graphs) для понимания интента. Это не просто сопоставление текста, а семантическая интерпретация на основе Knowledge Graph.
2. Топология важнее текста: Релевантность определяется путем структурного сопоставления графов (Topology Matching). Наличие сущностей недостаточно; важна структура их связей (отношений).
3. Критичность Confidence Scores: Уверенность системы в правильности идентификации сущностей (Confidence Score) является обязательным условием для сопоставления. Низкая уверенность блокирует соответствие, даже если структура графа верна.
4. Разделение механизмов Matching и Generation: Патент четко разделяет онлайн-процесс сопоставления запросов (Matching) и офлайн-процесс генерации критериев таргетинга (Generation). Формула изобретения защищает только Matching.
5. Статистическая значимость семантики: При генерации критериев система использует статистические метрики (TF-IDF, Odds Ratio) для выявления наиболее значимых и отличительных семантических паттернов в контенте.
6. Коммерческая релевантность: Система может использовать только коммерчески релевантное подмножество (commercially relevant subset) свойств сущности при построении Query Graph.

Best practices (это мы делаем)

Хотя патент фокусируется на выборе контента (например, рекламы), механизмы понимания запросов (Query Understanding) критически важны для органического SEO.

• Оптимизация сущностей (Entity Optimization): Убедитесь, что ваш контент четко связан с релевантными сущностями в Knowledge Graph. Используйте структурированные данные (Schema.org) для явного определения сущностей и их отношений. Это помогает Google строить точные графы вашего контента и повышает Confidence Scores.
• Фокус на отношениях (Relations) для Topical Authority: Патент подчеркивает важность топологии и отношений (предикатов). Создавайте контент, который не просто упоминает сущности, но и раскрывает их ключевые связи. Например, при описании события указывайте место, дату, участников и их роли. Это создает богатый семантический граф, соответствующий потенциальным Query Graphs.
• Ясность и устранение двусмысленности: Поскольку Confidence Scores играют ключевую роль, контент должен быть недвусмысленным. Предоставляйте достаточный контекст и используйте точные названия, чтобы система могла уверенно идентифицировать правильные сущности.

Worst practices (это делать не надо)

• Фокус только на ключевых словах: Игнорирование семантической структуры и сущностей. Система ищет графовые соответствия (топологию), а не плотность текста.
• Неоднозначный контент (Ambiguity): Создание контента, где основная сущность неясна или легко путается с другими. Это приводит к низким Confidence Scores и снижает вероятность точного семантического сопоставления.
• Изолированные сущности: Упоминание сущностей без описания их свойств и связей с другими релевантными сущностями. Это не позволяет построить полноценный граф, который Google ищет для сопоставления.

Стратегическое значение

Патент подтверждает стратегию Google "Things, not Strings". Он является важным элементом, объясняющим, как именно Knowledge Graph используется для интерпретации запросов. SEO-стратегия должна быть ориентирована на сущности (Entity-Oriented). Успех зависит от того, насколько хорошо сайт представляет собой связный семантический граф вокруг целевых тем, отражая структуру, которую Google использует для построения Query Graphs.

Практические примеры

Сценарий: Оптимизация страницы локального бизнеса (Отель в Берлине).

1. Цель: Обеспечить релевантность по запросам типа «отели рядом с Потсдамер Платц».
2. Анализ Query Graph (по патенту FIG. 3): Google строит граф, включающий сущности "Hotel" и "Potsdamer Platz", а также свойство Potsdamer Platz -> containedby -> "Берлин".
3. Действия SEO: Необходимо структурировать контент и микроразметку (Schema) так, чтобы явно отразить эту структуру. Использовать свойства Schema.org (containedInPlace, address, geo) для определения локации отеля относительно Potsdamer Platz и Берлина. В тексте четко описать расположение, усиливая семантические связи.
4. Ожидаемый результат: Семантическая структура страницы выравнивается с Query Graph, который Google генерирует для целевых запросов, повышая уверенность системы в релевантности страницы.