Как Google эффективно обновляет Граф Знаний в реальном времени при изменении фактов

Термины и определения

Collapsed Definition (Свернутое определение)

Промежуточное состояние определения запроса, в котором известные состояния (TRUE/FALSE) заменяют соответствующие ограничения. Используется для определения, можно ли разрешить запрос без дальнейших вычислений.

Constraint (Ограничение)

Условие, которому должна удовлетворять нода, чтобы попасть в результаты запроса. Ограничение определяет путь в графе (например, alumni.parent.occupation=="President").

Constraint Expression (Выражение ограничения)

Определение сохраненного запроса, состоящее из одного или нескольких ограничений, соединенных булевыми операторами (AND, OR).

Data Graph (Граф данных)

База данных, хранящая информацию в виде узлов (сущностей) и ребер (отношений), например, Граф Знаний Google.

Edge (Ребро/Связь)

Отношение между двумя узлами в графе (например, 'occupation', 'parent').

Member Node (Узел-участник)

Узел в графе, который потенциально удовлетворяет ограничению и может быть включен в результаты сохраненного запроса.

Node/Entity (Узел/Сущность)

Объект в графе данных (например, человек, место, концепция).

Query Edge Index (Индекс ребер запросов)

Структура данных, которая индексирует ограничения сохраненных запросов по ребрам. Позволяет быстро найти все ограничения, использующие конкретное ребро.

Saved Query (Сохраненный запрос / Коллекция)

Запрос к графу, результаты которого предварительно вычислены и сохранены для быстрого доступа (например, коллекция "Живые Президенты США").

State (Состояние)

Статус ограничения для конкретного узла: TRUE (удовлетворено), FALSE (не удовлетворено) или UNKNOWN (требует дальнейшего вычисления/обхода графа).

Target Constraint (Целевое ограничение)

Ограничение в сохраненном запросе, которое потенциально затронуто обновлением графа, так как оно включает измененное ребро.

Temporary Lookup Results (Временные результаты поиска)

Кэш, в котором хранятся результаты недавних обходов графа для повторного использования при оценке других ограничений.

Triple (Триплет)

Базовая единица данных в графе: Субъект (Source Node), Предикат (Edge), Объект (Target Node).

Ключевые утверждения (Анализ Claims)

Патент описывает внутренние процессы Google без прямых рекомендаций для SEO. Он дает понимание инфраструктуры обновления Графа Знаний.

Claim 1 (Независимый пункт): Описывает основной процесс обновления сохраненных результатов в ответ на обновление графа.

1. Система получает обновление графа (Source Node, Update Edge, Target Node).
2. Идентифицируется Target Constraint, который принадлежит сохраненному запросу и чей путь включает Update Edge.
3. Система оценивает Target Constraint для Member Node, определяя его State путем обхода графа по указанному пути.
4. Система определяет, указывает ли Collapsed Definition запроса (основанный на этом State) на то, что Member Node является или не является ответом на запрос.
5. Система обновляет Saved Query Result в соответствии с Collapsed Definition, если статус ответа изменился.

Claim 3 (Зависимый от 1): Вводит ключевую оптимизацию, основанную на длине пути.

1. Идентифицируется второе целевое ограничение (Second Target Constraint) в том же запросе.
2. Это второе ограничение имеет большую длину пути (Path Length), чем первое.
3. Система устанавливает состояние второго (более длинного) ограничения в UNRESOLVED (соответствует UNKNOWN в описании).

Система откладывает вычисление более дорогих (длинных) обходов графа, приоритизируя более дешевые (короткие).

Claim 4 (Зависимый от 3): Описывает итеративный процесс разрешения запроса.

1. Система определяет, что Collapsed Definition, основанный на состоянии первого (короткого) ограничения, не позволяет определить статус ответа (запрос все еще не разрешен).
2. Только в этом случае система оценивает второе (более длинное) ограничение, выполняя обход графа.
3. Система повторно определяет Collapsed Definition на основе состояний обоих ограничений и обновляет результат.

Вычисление длинного пути выполняется только тогда, когда это абсолютно необходимо для разрешения запроса.

Claim 5 (Зависимый от 1): Вводит механизм кэширования и повторного использования работы.

1. Система сохраняет результат обхода графа для первого ограничения.
2. Идентифицируется второе ограничение, путь которого включает путь первого ограничения.
3. Система использует сохраненный результат обхода при оценке второго ограничения.

Это позволяет избежать дублирования работы при обходе графа для разных ограничений, имеющих общие сегменты пути.

Где и как применяется

Изобретение является частью инфраструктуры управления графовыми базами данных (Knowledge Graph).

INDEXING – Индексирование и извлечение признаков
Основное применение патента. Система отвечает за поддержание целостности и актуальности Графа Данных и связанных с ним Saved Query Results. Когда Graph Engine обрабатывает новую информацию и обновляет Graph-Based Data Store (вносит изменения в узлы и ребра), активируется Saved Query Engine для обновления сохраненных результатов в реальном времени.

Система взаимодействует с:

• Graph-Based Data Store: Для выполнения обходов графа (traversals) с целью проверки ограничений.
• Query Edge Index: Для быстрого поиска затронутых ограничений.
• Saved Queries/Saved Query Results: Для чтения определений запросов и обновления списков участников.
• Temporary Lookup Results: Для кэширования и повторного использования результатов обхода графа.

Входные данные:

• Обновление графа в виде триплета (Source Node, Edge, Target Node) и типа операции (добавление/удаление).
• Определения Saved Queries.
• Query Edge Index.

Выходные данные:

• Обновленные списки участников (Membership) в Saved Query Results (добавление или удаление Member Nodes).

На что влияет

Патент носит общий инфраструктурный характер и не содержит информации о влиянии на конкретные типы контента, запросы, форматы, ниши или географические/языковые ограничения.

• Влияние: Система влияет исключительно на данные, хранящиеся в графовой базе данных (Knowledge Graph). Она обеспечивает точность и свежесть коллекций сущностей.

Когда применяется

• Триггеры активации: Алгоритм активируется немедленно (в реальном времени) в ответ на любую операцию обновления данных в графе (добавление или удаление ребра/связи).
• Временные рамки: Патент упоминает возможность группировки обновлений, происходящих в течение короткого периода (например, менее 5 минут), по исходному узлу (Source Node) для повышения эффективности и повторного использования кэша (Temporary Lookup Results).

Пошаговый алгоритм

Процесс обновления сохраненных запросов в реальном времени.

1. Получение обновления графа: Система получает информацию об изменении в графе (добавление или удаление триплета: Исходный узел, Ребро, Целевой узел). Обновления могут группироваться по исходному узлу.
2. Идентификация целевых ограничений: Система использует Query Edge Index для поиска всех Target Constraints во всех Saved Queries, которые используют измененное ребро.
3. Интеллектуальная оценка ограничений: Для каждого Target Constraint система определяет его State (TRUE, FALSE, UNKNOWN). Процесс оптимизирован:
   • Приоритет отдается ограничениям с короткими путями (например, длина 1 или 2).
   • Проверяется наличие кэшированных результатов обхода графа (Temporary Lookup Results). Если есть, они используются.
   • Если кэша нет, выполняется обход графа для коротких путей, и результаты кэшируются.
   • Ограничения с длинными путями изначально помечаются как UNKNOWN.
4. Свертывание определения запроса (Collapsing): Система выбирает запрос, содержащий оцененные ограничения, и подставляет их State в Constraint Expression.
5. Проверка разрешения: Система оценивает свернутое выражение с помощью булевой логики.
   • Если разрешено (TRUE или FALSE): Переход к шагу 7.
   • Если не разрешено (содержит UNKNOWN): Переход к шагу 6.
6. Итеративное разрешение (при необходимости): Система выбирает одно или несколько ограничений с состоянием UNKNOWN (начиная с самых коротких) в текущем запросе, выполняет необходимые обходы графа для определения их состояния и возвращается к шагу 4.
7. Обновление членства (Membership Update): Система обновляет Saved Query Results для разрешенного запроса. Например, если ребро было добавлено и запрос разрешился в TRUE, соответствующий Member Node добавляется в результаты. Если ребро было удалено и запрос разрешился в FALSE, узел удаляется из результатов.
8. Завершение: Процесс повторяется для всех затронутых запросов. Кэш (Temporary Lookup Results) может быть очищен при переходе к обработке обновлений для другого исходного узла.

Какие данные и как использует

Данные на входе

Патент фокусируется исключительно на структурных данных графа и инфраструктуре его обновления. Он не упоминает использование контентных, технических, ссылочных, поведенческих, временных, мультимедийных, географических или пользовательских факторов.

• Структурные факторы (Граф): Узлы (Nodes/Entities), Ребра (Edges/Relationships) и Триплеты (Triples). Это единственные данные, которые используются для оценки ограничений.
• Системные данные: Определения Saved Queries (Constraint Expressions), Query Edge Index, Кэш обходов графа (Temporary Lookup Results).

Какие метрики используются и как они считаются

Система не вычисляет метрики ранжирования, а разрешает булевы состояния.

• State (Состояние): Вычисляется для каждого ограничения путем обхода графа. Результат: TRUE, FALSE или UNKNOWN.
• Path Length (Длина пути): Длина пути, указанного в ограничении (количество ребер). Используется как метрика стоимости вычисления для приоритизации оценки ограничений (короткие пути обрабатываются первыми).
• Наличие кэша: Проверка наличия сохраненных результатов обхода в Temporary Lookup Results для оптимизации.

Патент описывает внутренние процессы Google без прямых рекомендаций для SEO. Он дает понимание инфраструктуры и приоритетов Google в отношении Графа Знаний.

1. Приоритет свежести данных в графе: Google придает большое значение поддержанию актуальности Графа Знаний в реальном времени и инвестирует в сложную инфраструктуру для этого.
2. Эффективность превыше всего: Основная цель патента — оптимизация вычислительных ресурсов. Система спроектирована так, чтобы выполнять минимально необходимый объем работы для обновления результатов.
3. Механизмы оптимизации: Ключевыми методами оптимизации являются: (1) Приоритизация коротких путей (дешевых вычислений) и откладывание длинных путей (дорогих вычислений). (2) Кэширование и повторное использование результатов обхода графа. (3) Группировка обновлений по исходному узлу.
4. Подтверждение структуры данных: Патент подтверждает, что Google оперирует данными в формате графа (узлы, ребра, триплеты) и активно использует предварительно рассчитанные коллекции (Saved Queries) для быстрого доступа к данным.
5. Отсутствие SEO-сигналов: Патент не содержит информации о том, как данные попадают в граф, как разрешаются конфликты или как оценивается качество источников. Он описывает только процесс поддержания графа после того, как данные уже были приняты в него.

Best practices (это мы делаем)

Поскольку патент является инфраструктурным и описывает внутреннюю оптимизацию баз данных Google, прямых практических выводов для SEO немного. Однако он подчеркивает важность структурированных данных.

• Фокус на Сущностях и Связях: Продолжать работу по определению ключевых сущностей сайта (организация, авторы, продукты) и их связей. Хотя патент не говорит о том, как попасть в Граф Знаний, он показывает, как эффективно Google обрабатывает эти данные, когда они туда попадают.
• Обеспечение консистентности данных (Consistency): Убедитесь, что информация о ваших сущностях (например, NAP, ключевые факты, связи между сущностями) согласована на всех платформах (сайт, соцсети, каталоги). Это облегчает Google формирование точных триплетов, которые затем будут обрабатываться механизмом, описанным в патенте.
• Использование микроразметки Schema.org: Внедрение точной и полной микроразметки помогает Google распознавать сущности и связи, формируя триплеты для Графа Знаний. Чем четче определены связи (например, founder, alumniOf, worksFor), тем точнее они будут отражены в графе и его коллекциях.

Worst practices (это делать не надо)

• Предоставление противоречивой информации: Публикация противоречивых фактов о сущности (например, разные даты основания компании в разных источниках). Хотя этот патент не занимается разрешением конфликтов, он показывает, что каждое изменение факта вызывает каскад обновлений в реальном времени. Противоречивые данные могут вести к нестабильности представления сущности в Графе Знаний.
• Игнорирование управления репутацией сущности (Entity Reputation Management): Нельзя фокусироваться только на ключевых словах, игнорируя то, как ваша организация или бренд представлены в качестве сущности в Графе Знаний.

Стратегическое значение

Патент подтверждает стратегическую приверженность Google к моделированию мира на основе сущностей и связей (Entity-First Indexing). Он демонстрирует, что Граф Знаний — это не статичный набор данных, а динамичная система, обновляемая в реальном времени. Для SEO это означает, что долгосрочная стратегия должна быть направлена на построение и управление представлением бренда как сущности, обеспечивая точность и актуальность фактов, связанных с ней.

Практические примеры

Сценарий: Обновление информации о руководстве компании

Описание: Компания (Сущность А) нанимает нового Генерального директора (Сущность Б).

1. Действия SEO/PR: Обновляется страница "О нас" на сайте, выпускается пресс-релиз, обновляется профиль LinkedIn Сущности Б, обновляется статья в Википедии (если применимо). Микроразметка Person на сайте для Сущности Б обновлена с указанием worksFor и jobTitle.
2. Обработка Google: Google сканирует источники, извлекает факты и обновляет Граф Знаний. Добавляется новый триплет: <Сущность Б, CEO_of, Сущность А>.
3. Активация механизма патента:
   • Система идентифицирует, что ребро CEO_of было изменено.
   • Через Query Edge Index определяются затронутые Saved Queries. Например: Q1: "Руководители Компании А", Q2: "CEO технологических компаний".
   • Система эффективно пересчитывает членство. Сущность Б добавляется в результаты Q1 и Q2. Предыдущий CEO удаляется из Q1.
4. Ожидаемый результат: Благодаря описанному механизму, информация в Knowledge Panel для Компании А и Сущности Б обновляется в короткие сроки (в реальном времени), отражая актуальные факты благодаря эффективной инфраструктуре обновления графа.