Свежесть контента в Google: разборы патентов
Детальные разборы патентов Google, связанные со свежестью и актуальностью контента
Как Google адаптивно сортирует комментарии и UGC в зависимости от популярности («buzziness») страницы
Google использует адаптивный механизм для сортировки пользовательского контента (UGC), такого как комментарии или посты в социальных сетях, связанных с веб-страницей. Если страница популярна или трендовая («buzzy»), система отдает приоритет самым свежим комментариям. Если страница не является трендовой, система отдает приоритет самым качественным комментариям, основываясь на авторитете автора, длине контента и других сигналах.
- US11055332B1
- 2017-05-31
Как Google заменяет поисковый запрос на более популярный трендовый запрос внутри социальных сетей
Механизм поиска внутри социальных сетей, который сравнивает популярность (частоту использования) исходного запроса с популярностью связанных запросов за определенный период времени. Если связанный запрос является более трендовым, система показывает результаты для него, а не для исходного запроса, чтобы направить пользователя к более активному и популярному контенту или сообществам.
- US8892591B1
- 2012-10-01
Как Google оценивает качество и авторитетность новостных источников для ранжирования в Google News
Google использует систему для оценки качества новостных источников на основе 13 различных метрик, включая объем публикаций, скорость освещения событий (Breaking News Score), оригинальность контента (Original Named Entities), размер штата, данные о трафике и репутацию. На основе этих метрик вычисляется "Рейтинг Источника" (Source Rank), который затем используется для повышения позиций статей от авторитетных изданий в новостном поиске.
- US7577655B2
- 2003-09-16
Как Google использует данные подписок на оповещения (Google Alerts) для определения трендовых тем и повышения их в ранжировании Новостей
Google анализирует, на какие темы пользователи массово подписываются в сервисах оповещений (например, Google Alerts) за определенный период времени. Эти трендовые темы (Topical Subjects) затем используются как сигнал для ранжирования: новостные статьи, соответствующие этим актуальным темам, могут получать повышение (boost) в поисковой выдаче, особенно в поиске по новостям.
- US20140143657A1
- 2014-01-24
Как Google использует клики, удаление и архивирование новостей для персонализации и обновления ленты Google News
Патент Google, описывающий механизм поддержания актуальности и релевантности новостной ленты (например, Google News). Система использует явные (удаление, понижение) и неявные (клики) сигналы пользователя для фильтрации контента. Просмотренные или скрытые новости удаляются из ленты вместе с похожими материалами и заменяются свежим контентом. Эти взаимодействия также используются для переранжирования оставшихся новостей.
- US8880499B1
- 2005-12-28
Как Google адаптирует ранжирование контента под частоту посещений пользователя, балансируя между важностью и новизной
Google использует механизм для персонализации лент контента (например, Новости, Discover). Система анализирует, как часто пользователь запрашивает контент. Для частых посетителей приоритет отдается новизне, чтобы избежать повторов. Для редких посетителей приоритет отдается важности контента, чтобы они не пропустили ключевые материалы, даже если они были опубликованы давно.
- US9477376B1
- 2012-12-19
Как Google использует историю поиска и контекст пользователя для проактивной доставки информации (Основы Google Discover/Assistant)
Google анализирует историю поиска пользователя для выявления повторяющихся интересов (например, спорт, погода, статус рейсов), особенно тех, которые вызывают показ прямых ответов (Inline Search Results). Отслеживая контекст пользователя (местоположение, время) и изменения в информации, Google проактивно отправляет обновленные результаты на устройство без ручного ввода запроса.
- US20130346396A1
- 2013-07-12
Как Google автоматически обновляет устаревшие факты (время, цены, должности) внутри документов и электронных писем
Google использует систему для поддержания актуальности информации в документах (например, в Google Docs или Gmail). Система распознает сущности и их чувствительные ко времени атрибуты (например, время рейса или цену акции). Затем она проверяет актуальное значение через поисковую систему и предлагает пользователю обновить устаревшие данные в тексте.
- US9607032B2
- 2014-05-12
Как Google использует оценку новизны (Novelty Score) для ранжирования новостей и блогов, отдавая приоритет первоисточникам
Google анализирует темпоральную последовательность документов (например, новости по одной теме) для выявления нового контента. Система идентифицирует «информационные фрагменты» (сущности, факты) и их взаимодействия. Документы, которые первыми вводят важные фрагменты или значительно дополняют существующие, получают более высокую оценку новизны (Novelty Score) и ранжируются выше, вытесняя вторичный контент.
- US7451120B1
- 2006-03-20
Как Google дифференцирует и взвешивает поведенческие сигналы для персонализации рекомендаций контента
Google использует систему для персонализации рекомендаций контента, анализируя характеристики документов (например, через TF-IDF) и создавая динамические профили интересов пользователей. Система обучается на основе поведения: разные типы взаимодействий (просмотр, печать, сохранение) по-разному влияют на профиль пользователя, а влияние этих поведенческих сигналов со временем ослабевает (Signal Decay).
- US20170344572A1
- 2009-01-29
Как Google использует динамические UI-элементы (Floatables и Chips) для ускорения обнаружения видео и адаптации рекомендаций в реальном времени
Google патентует механизмы интерфейса для мобильных платформ (например, YouTube), направленные на улучшение обнаружения контента. Система активно показывает превью скрытых видео в виде анимированных плавающих элементов (Floatables) или компактных плиток (Chips) до того, как пользователь до них доскроллит. Взаимодействие с этими элементами обеспечивает мгновенную обратную связь для адаптации рекомендаций в реальном времени.
- US11941240B1
- 2022-12-21
Как Google выявляет новые временные связи между ключевыми словами и сущностями на основе текущих событий
Google использует систему для выявления новых, временных ассоциаций между ключевыми словами, анализируя недавние онлайн-документы (новости, социальные сети) и сравнивая их с историческими данными. Если обнаруживается новая значимая связь («временная ссылка»), система использует её для отбора релевантного контента, даже если ключевые слова традиционно не были связаны. Это позволяет поиску быстро адаптироваться к меняющемуся контексту и текущим событиям.
- US9146980B1
- 2013-06-24
Как Google извлекает факты напрямую из веб-страниц для формирования прямых ответов (Featured Snippets / Answer Boxes)
Google использует систему для динамического извлечения фактов из веб-индекса. Когда поступает фактический запрос, система определяет ожидаемый тип ответа (например, дата, число, имя), анализирует топовые результаты поиска и извлекает соответствующие фразы. Эти фразы нормализуются, оцениваются по частоте, контексту и авторитетности источника, и лучший вариант показывается в виде прямого ответа.
- US8655866B1
- 2011-02-10
Как Google Assistant позволяет пользователям выбирать предпочтительные источники контента (и когда он может их игнорировать)
Патент описывает, как Google Assistant создает и использует "Правила параметров источника" (Source Parameter Rules), чтобы отдавать приоритет контенту из источников, указанных пользователем. Система проверяет качество и актуальность этих источников и может предложить альтернативы, если предпочтительный источник устарел или недоступен, уведомляя пользователя о соблюдении или нарушении его предпочтений.
- US12347429B2
- 2021-12-10
Как Google индексирует расписание трансляций в местных заведениях, чтобы пользователи могли найти, где посмотреть конкретное событие
Google патентует систему, позволяющую местным заведениям (барам, ресторанам) указывать в своих бизнес-профилях, какие именно события (например, спортивные матчи) они будут транслировать. Эта информация индексируется и используется в Поиске и Картах, позволяя пользователям находить заведения по запросам типа «где посмотреть матч [Команда А] сегодня вечером».
- US20230308829A1
- 2023-03-28
Как Google создает временные Графы Знаний для освещения срочных новостей и событий в реальном времени
Google использует механизм для мониторинга «live data streams» (социальные сети, поисковые запросы) для обнаружения «developing events» (срочные новости, происшествия). Для этих событий система создает «Event-Specific Provisional Knowledge Graph» – временный слой поверх основного Графа Знаний, который содержит самую свежую, хотя и потенциально непроверенную информацию. Это позволяет Поиску и Ассистенту быстро предоставлять ответы о событиях, происходящих прямо сейчас.
- US11256992B2
- 2019-06-25
Как Google группирует свежие варианты запросов для быстрого выявления трендов в Автозаполнении (Autocomplete)
Google использует механизм для быстрого выявления новых трендов в поиске. Система анализирует "свежие запросы", приводит их к канонической форме и группирует варианты с одинаковым смыслом. Если группа набирает достаточную совокупную популярность, эти запросы добавляются в Автозаполнение (Query Suggestions), позволяя предлагать актуальные подсказки, даже если каждый отдельный вариант еще не популярен.
- US20150178278A1
- 2012-03-13
Как Google кластеризует новостные результаты для генерации блоков "Связанные темы" и "Категории"
Google анализирует результаты поиска по новостям и группирует статьи, освещающие одно и то же событие, в кластеры. Затем система извлекает общие ключевые слова из этих кластеров для формирования блока "Связанные темы" (Related Topics), помогая уточнить запрос. Одновременно определяется широкая категория новостей (например, "Спорт"), из которой предлагается дополнительный контент для расширения контекста.
- US11194868B1
- 2018-09-28
Как Google анализирует личные данные (Email, Календарь, Контакты) для определения скрытого интента и персонализации выдачи
Google создает персонализированную «Модель пользователя» на основе его личного контента (письма, события, контакты). Эта модель хранит ключевые термины и их контекст. Система использует ее, чтобы понять «неявное намерение» запроса — ищет ли пользователь общую информацию в вебе или свои личные данные (например, свой рейс) — и соответствующим образом адаптирует выдачу, даже если запрос выглядит общим.
- US20150012532A1
- 2013-07-02
Как Google динамически выбирает и отображает инструменты (фильтры) для манипуляции поисковой выдачей
Google анализирует поисковый запрос и состав выдачи (типы контента, даты), а также историю использования фильтров пользователями. На основе этого анализа система динамически определяет, какие инструменты (например, фильтры по времени, типу контента или инструменты визуализации) наиболее релевантны для пользователя, и отображает их на видном месте в интерфейсе поисковой выдачи.
- US8909619B1
- 2011-02-03
Как Google создает видео-нарезки (Composite Videos) на лету, используя текстовый запрос и анализ аудиодорожек
Google может анализировать аудиодорожки (транскрипты) видео для идентификации конкретных сегментов, где произносятся слова из запроса пользователя. Система автоматически объединяет эти сегменты из разных видео в одно новое сводное видео (Composite Video). Для выбора сегментов используются метрики релевантности, популярности и свежести исходного контента.
- US9672280B2
- 2014-04-10
Как Google использует освещение научных исследований в СМИ для повышения их ранжирования и генерации поисковых подсказок
Google анализирует, как часто и в каких новостных источниках цитируются научные работы. На основе этого рассчитывается «Оценка Популярности» (Popularity Score), учитывающая авторитетность СМИ и Импакт-фактор журнала. Это позволяет высоко ранжировать авторитетные исследования в общем веб-поиске, даже если они были популярны в прошлом, а также генерировать новые поисковые подсказки на основе их терминологии.
- US20140188861A1
- 2012-12-28
Как Google обогащает сниппеты брендов контентом из их социальных сетей при навигационных запросах
Google использует механизм для улучшения результатов по навигационным (брендовым) запросам. Система определяет официальную страницу субъекта в социальной сети и извлекает оттуда свежий или релевантный контент (например, последние посты или изображения). Этот контент затем комбинируется непосредственно со стандартным сниппетом официального сайта субъекта в поисковой выдаче, делая результат более актуальным и информативным.
- US8799276B1
- 2012-05-30
Как Google автоматически генерирует и выполняет поисковые запросы на основе того, что пользователь смотрит или слушает
Google патентует систему проактивного поиска для "второго экрана". Анализируя исторические данные, система определяет, что пользователи ищут во время просмотра контента (фильма, матча). Когда новый пользователь смотрит этот контент, система распознает его (например, по звуку) и автоматически выполняет релевантные запросы в нужный момент, показывая свежие результаты без ручного ввода.
- US10545954B2
- 2017-03-15
Как Google использует фразы для построения индекса, оптимизирует поиск и обеспечивает свежесть выдачи
Анализ патента, описывающего архитектуру поисковой системы Google, основанную на индексировании фраз, а не отдельных слов. Патент раскрывает, как система извлекает значимые фразы из документов, используя структурные сигналы (заголовки, абзацы, форматирование), организует индекс в многоуровневую структуру (Tiers и Shards) и обеспечивает непрерывное обновление данных (Segment Swapping) без остановки поиска.
- US7702614B1
- 2007-03-30
Как Google в реальном времени перестраивает поисковые подсказки (Autocomplete) на основе прямых эфиров и трансляций
Google отслеживает прямые эфиры (ТВ, радио, стримы) и извлекает из них ключевые темы и сущности. Система использует эту информацию для повышения в реальном времени релевантных поисковых подсказок (Autocomplete), адаптируя их под текущие события. Это также помогает валидировать всплески поискового интереса (query spikes).
- US20150149482A1
- 2013-03-14
Как Google использует взаимодействие с выдачей и контекст для уточнения временных рамок поиска
Google использует механизм для уточнения временного контекста запроса. Это происходит тремя способами: анализом временных указаний в самом запросе (например, «сезон охоты»), учетом текущего времени и местоположения пользователя (например, поиск «кофейни» ночью), или анализом того, какие результаты выбирает пользователь из первоначальной выдачи (например, выбор зимних фотографий). На основе этого уточненного временного контекста выдача перестраивается.
- US8977609B1
- 2012-09-14
Как Google персонализирует рекомендации популярных запросов на основе истории поиска и браузинга пользователя
Google анализирует глобальные тренды поисковых запросов и сопоставляет их с индивидуальной историей пользователя (посещенные сайты, прошлые запросы, категории интересов). Если популярный запрос соответствует выявленным интересам пользователя, он будет рекомендован. Система также применяет фильтры, исключающие запросы, которые пользователь вводил недавно.
- US9443022B2
- 2012-01-19
Как Google синхронизирует онлайн-новости с телевизионным эфиром, используя кластеризацию статей, TF-IDF и анализ субтитров
Патент описывает технологию Google для "второго экрана", которая идентифицирует просматриваемую телепередачу и в реальном времени находит соответствующие ей онлайн-новости. Система агрегирует новостные статьи, кластеризует их по темам, извлекает ключевые слова (используя TF-IDF) и сопоставляет их с потоком субтитров телеканала. Это демонстрирует механизмы Google по обработке, кластеризации и ранжированию новостного контента по свежести и популярности.
- US9544650B1
- 2013-12-11
Как Google связывает всплески поисковых запросов с ТВ-трансляциями для показа контекстной информации в реальном времени
Google отслеживает внезапные всплески частоты поисковых запросов и сопоставляет их с субтитрами (или аудиодорожкой) транслируемых в этот момент телепрограмм. Это позволяет системе понять, какой именно момент в эфире вызвал интерес пользователей, и проактивно предоставить связанную информацию зрителям через «вторые экраны» (например, смартфоны).
- US9578358B1
- 2014-07-18