Google оценивает «риск» поискового запроса, анализируя общее качество топовых результатов. Если запрос часто привлекает спам, кликбейт или нежелательный контент (особенно видео), система динамически повышает минимальный порог качества. Контент, не соответствующий …
2019
Google использует систему, которая определяет визуальное значение текстового запроса, анализируя объекты на картинках, которые пользователи выбирали ранее по этому или похожим запросам. Система создает набор «меток контента» (визуальный профиль) для …
Google использует данные о поведении пользователей из логов поиска для обучения моделей эмбеддингов изображений и текста. Система анализирует, какие изображения пользователи кликают по определенным запросам (Query-Image) и какие изображения кликают …
Google использует машинное обучение для анализа местоположения, скорости движения и истории пользователя, чтобы предсказать, когда он откроет приложение Карт и что будет искать. Это позволяет системе заранее подготовить релевантные ссылки …
Google анализирует пользовательский контент (фотографии, посты, метаданные) и историю поиска, чтобы определить, с какими объектами (места, продукты, услуги) взаимодействовал пользователь. Система проактивно предлагает оставить структурированный отзыв, используя шаблон, который может …
Google использует механизм для определения локального интента запроса, анализируя не сам запрос, а кластер связанных запросов. Система проверяет, какая доля запросов в кластере вызывает срабатывание локальных функций поиска (например, локальной …
Google использует систему канонизации запросов для преобразования неструктурированных или неграмотных поисковых фраз в "хорошо сформированные" (well-formed) вопросы. Система использует модель классификации для определения необходимости перезаписи и модель Sequence-to-Sequence для генерации …
Google использует механизм для оценки качества контента (например, видео), учитывая не только его собственные характеристики, но и качество связанных с ним родительских сущностей (например, плейлиста или канала). Система комбинирует оценки …
Google использует обученные NLP-модели (Sequence Tagging Models, например, BERT) для автоматического анализа статей с проверкой фактов. Система идентифицирует ключевые элементы — проверяемое утверждение (Claim), автора утверждения (Claimant) и вердикт (Veracity) …
Патент Google, описывающий архитектуру Визуального Поиска (Google Lens). Система индексирует «цифровые дополнения» (информацию, отзывы, AR-модели, ссылки на покупку), связанные с объектами реального мира. Описаны процессы структурирования данных, обработки визуальных запросов …
Google использует систему для мониторинга живых потоков данных (социальные сети, поисковые запросы) для обнаружения развивающихся событий. Для этих событий создаются временные «Event-Specific Provisional Knowledge Graphs», которые агрегируют информацию в реальном …
Google применяет сложную модель машинного обучения для извлечения фактов из текста. Система анализирует не только контекст, в котором сущность и атрибут упоминаются вместе, но и использует уже известные атрибуты этой …
Google использует естественный язык (например, разговоры с Ассистентом) для идентификации значимых событий. Система анализирует фотографии, сделанные в этот период, и использует поведенческие сигналы (время просмотра, редактирование, пересылка) и распознавание объектов, …
Google разрабатывает технологию, позволяющую автоматизированным ассистентам (например, Google Assistant) самостоятельно взаимодействовать с веб-сайтами для выполнения транзакций (покупки, бронирования). Система анализирует визуальный и геометрический контекст элементов (кнопки, формы), создавая устойчивые идентификаторы …
Google использует систему для обнаружения развивающихся событий (например, срочных новостей) путем мониторинга потоков данных в реальном времени (социальные сети) и поисковых запросов. Система моделирует распространение информации в виде графа и …
Google использует систему машинного обучения для анализа контекста и поведения пользователей, чтобы предсказать, какие запросы будут повторяться в будущем. Для этих «повторяемых запросов» система упрощает ввод через ярлыки или меню. …
Google использует метод для идентификации "родственных запросов" (sibling queries) — запросов с одинаковой структурой интента, но разными переменными (например, "погода в Москве" и "погода в Париже"). Система сравнивает шаблоны использования …
Google автоматически анализирует видео для поиска клипов, где слово (n-gram) четко произносится в правильном контексте. Система рассчитывает оценку пригодности (SDUE), сравнивая ручные субтитры с автоматической расшифровкой (ASR) для оценки качества …
Патент Google описывает инфраструктурную технологию для ускорения поиска Максимального Внутреннего Произведения (MIPS). Этот механизм позволяет эффективно вычислять релевантность для гибридных векторов, которые сочетают плотные данные (например, нейросетевые эмбеддинги для семантики) …
Google оптимизирует поиск, обрабатывая морфологические варианты слов на этапе индексирования. Система определяет основу слова (стемму) и находит ее наиболее частотную форму в интернете («Репрезентативный Токен»). Этот токен добавляется в индекс …