Разборы патентов Google для SEO
Разобрано 1 300 из ~2 500
Как Google формирует локальные подсказки в Autocomplete, смешивая глобальные и местные запросы на основе местоположения
Google использует этот фреймворк для улучшения поисковых подсказок (Autocomplete) путем интеграции локального контекста. Система определяет общее и точное местоположение пользователя, а затем смешивает глобально популярные запросы с запросами, популярными именно в этой местности. Для определения локальной популярности используются модели пространственного распределения, что позволяет агрессивно продвигать местные подсказки, если они значительно релевантнее в данном регионе.
- US8856115B1
- 2010-12-06
Как Google позволяет пользователям отключать категории персонализации (местоположение, историю поиска, социальные связи) для контроля над выдачей
Патент Google, описывающий интерфейс и механизм, позволяющий пользователям выборочно отключать категории поисковых сигналов, используемых для персонализации результатов. Пользователь может исключить такие факторы, как свое местоположение, историю поиска или социальные связи, чтобы получить менее персонализированную (более общую) поисковую выдачу и контролировать свой «пузырь фильтров».
- US8886644B1
- 2012-11-01
Как Google группирует варианты товаров (цвет, размер) от разных продавцов, анализируя заголовки и структуру данных
Google использует этот механизм для автоматической идентификации и группировки вариантов одного продукта (например, разных цветов или размеров), предлагаемых разными продавцами. Система анализирует заголовки товаров в фидах, выявляет закономерности и создает глобальный каталог вариантов. Для разрешения конфликтов в названиях система выбирает терминологию того продавца, который наиболее полно и последовательно описал все варианты.
- US8700494B2
- 2011-09-06
Как Google индексирует внутренний контент мобильных приложений с помощью виртуальных машин и скрытого текста (App Indexing)
Google использует систему для индексации контента внутри нативных мобильных приложений, который ранее был недоступен для поиска. Система запускает приложение в виртуальной машине, эмулирующей операционную систему устройства, переходит к конкретным экранам или состояниям (environment instances) и извлекает описательные данные. Ключевой особенностью является извлечение текстовых данных, которые разработчики встраивают специально для поисковых систем, но которые не видны пользователю при обычном использовании приложения.
- US9135346B2
- 2013-06-07
Как Google помогает пользователям найти правильную языковую версию страницы, исправляя ошибки маршрутизации
Система определяет языковые предпочтения пользователя и сравнивает их с языком посещаемой веб-страницы. Если страница отображается не на предпочтительном языке из-за ошибки маршрутизации (например, из-за геолокации), и существует альтернативная версия на нужном языке, система предлагает пользователю перейти на нее или автоматически перенаправляет его.
- US9251223B2
- 2013-02-26
Как Google позволяет сторонним сайтам загружать свои базы данных и код прямо в поисковую систему для генерации прямых ответов
Google использует систему, позволяющую владельцам сайтов загружать свои данные (например, таблицы) и логику их обработки (код) непосредственно на серверы Google. Если запрос пользователя соответствует заданному шаблону, Google выполняет этот код в изолированной среде, используя загруженные данные, и генерирует прямой ответ в выдаче. Это позволяет показывать актуальные данные в реальном времени без необходимости сканирования сайта или обращения к внешним API.
- US10019484B2
- 2013-08-06
Как Google распознает и объединяет дубликаты сущностей в Knowledge Graph, используя агрессивную нормализацию имен
Google использует многоэтапный процесс для разрешения сущностей (Entity Resolution). Система агрессивно нормализует имена сущностей (удаляя стоп-слова, титулы, знаки препинания и сортируя слова по алфавиту), чтобы сгруппировать потенциальные дубликаты. Затем она сравнивает другие атрибуты (факты) этих сущностей, чтобы принять окончательное решение об их объединении в Knowledge Graph.
- US8700568B2
- 2006-03-31
Как Google разбирает визуальные запросы, отправляя их одновременно в несколько специализированных поисковых систем (OCR, распознавание лиц, объектов)
Google использует архитектуру для обработки визуальных запросов (изображений), которая одновременно отправляет изображение в несколько параллельных поисковых систем (распознавание текста, лиц, объектов, штрихкодов). Система агрегирует результаты, часто создавая интерактивный документ, где разные части изображения связаны с соответствующими результатами поиска, и использует обратную связь для обучения.
- US9135277B2
- 2010-08-04
Как Google эффективно обновляет Граф Знаний в реальном времени при изменении фактов
Патент Google описывает инфраструктурный механизм для поддержания актуальности Графа Знаний. Когда в базу добавляется или удаляется факт (связь между сущностями), система мгновенно определяет, какие сохраненные запросы (коллекции) затронуты, и эффективно пересчитывает результаты, минимизируя нагрузку на базу данных.
- US9626407B2
- 2014-06-17
Как Google использует анализ визуального макета страницы для сегментации контента и понимания его иерархии
Google использует метод анализа визуального макета страницы (Visual Layout), чтобы понять её иерархическую структуру, даже если HTML-код (DOM) не отражает её точно. Система анализирует визуальные разрывы (белое пространство) между блоками контента, чтобы сегментировать страницу и точно связать описательный текст с конкретными объектами, например, отзывы с соответствующими локальными компаниями на странице со списком.
- US7421651B2
- 2004-12-30
Как Google оптимизирует скорость и точность векторного поиска (MIPS) с помощью локального ортогонального разложения (LOD)
Патент Google, описывающий инфраструктурный метод повышения точности семантического поиска (Maximum Inner Product Search). Система использует технику Local Orthogonal Decomposition (LOD) для более эффективного сжатия (квантования) векторных эмбеддингов. Это позволяет быстрее и точнее находить документы, семантически схожие с запросом пользователя, улучшая работу систем типа Neural Matching.
- US11354287B2
- 2019-12-16
Как Google использует нейронные сети (Pairwise Learning-to-Rank) для предсказания, какой документ пользователь откроет следующим в Google Drive или Workspace
Google использует специализированную нейронную сеть для предсказания, какие документы пользователь захочет открыть следующими в сервисах типа Google Drive. Система анализирует историю взаимодействий (редактирование, просмотры, комментарии) и временные паттерны. Результаты ранжируются с помощью модели парного обучения (Pairwise Learning-to-Rank), и для каждого документа предлагается «мотив» (причина рекомендации).
- US10832130B2
- 2017-04-05
Как Google использует пространственное индексирование (Geohashing) для эффективного локального поиска по радиусу
Google использует метод предварительного расчета географических областей для ускорения локального поиска. Система делит карту на ячейки (используя пространственный индекс, например, Hierarchical Triangular Mesh) и при индексации связывает документ не только с его фактической ячейкой, но и со всеми соседними ячейками в пределах заданного радиуса. Это позволяет мгновенно находить релевантные результаты без сложных геопространственных вычислений во время выполнения запроса.
- US7801897B2
- 2004-12-30
Как Google выбирает, какое местоположение использовать для локализации поисковой выдачи, когда сигналы конфликтуют
Google использует иерархическую систему правил для выбора единственной «геолокации запроса» из множества доступных сигналов. Система анализирует физическое местоположение пользователя, локации в тексте запроса, историю поиска и настройки профиля. Затем она применяет строгую логику приоритетов, чтобы определить, какая локация наиболее релевантна для текущего интента, и соответствующим образом корректирует (смещает) ранжирование результатов.
- US20150234889A1
- 2013-02-06
Как Google использует структурные шаблоны сайта для идентификации «Визуальных Конечных Страниц» (Visual Leaf Pages) и повышает их в поиске по картинкам
Google анализирует структуру сайтов для автоматического определения «Visual Leaf Pages» (например, карточек товаров или рецептов), где изображение является основным контентом. Система находит «Hub Pages» (например, категории), которые ссылаются на них, и выявляет общие структурные признаки (шаблоны верстки, URL). Эти шаблоны используются для классификации страниц и повышения их ранжирования в поиске по картинкам для соответствующих запросов.
- US11086961B2
- 2017-04-05
Как Google генерирует синонимы во время индексации, извлекая числа из токенов и нормализуя слова с префиксами-стоп-словами
Google может генерировать синонимы для слов непосредственно во время индексации документа, чтобы ускорить обработку запросов. Это включает извлечение числовых значений из буквенно-числовых токенов (например, «42» из «e42PC») и нормализацию слов путем удаления префиксов, являющихся стоп-словами (например, артиклей в арабском языке), используя статистические черные списки для предотвращения ошибок. Оба варианта сохраняются в индексе.
- US8375042B1
- 2010-11-09
Как Google группирует локальные результаты поиска вокруг физических адресов и динамически определяет радиус поиска
Google использует систему для организации локальной выдачи, кластеризуя веб-документы вокруг конкретного физического адреса или номера телефона. Система определяет «область интереса», используя динамический радиус поиска, который меняется в зависимости от типа запроса (например, поиск ресторана или автодилера). Результаты ранжируются на основе баланса близости и релевантности.
- US8346770B2
- 2003-09-22
Как Google Maps мгновенно отображает локации на карте по мере ввода запроса (Search-as-you-type)
Этот патент описывает функцию "поиск по мере ввода" (search-as-you-type) в картографических сервисах, таких как Google Maps. Когда пользователь вводит частичный запрос, система предсказывает полный запрос и мгновенно отображает булавки (индикаторы) на карте для наиболее вероятных результатов, динамически обновляя их с каждым нажатием клавиши еще до того, как пользователь нажмет кнопку поиска.
- US8671106B1
- 2012-05-30
Как Google фильтрует поисковые подсказки (Autocomplete) на основе оценок безопасности контента в результатах поиска
Google анализирует рейтинги безопасности (например, возрастные ограничения) контента в результатах поиска для популярных запросов. Если выдача по запросу содержит недостаточное количество "безопасного" контента (ниже установленного порога), этот запрос добавляется в список запрещенных и не показывается в качестве поисковой подсказки (Autocomplete) пользователям с включенными фильтрами безопасности.
- US10169488B2
- 2015-02-20
Как Google итеративно рендерит веб-страницы, собирая недостающие ресурсы (JS, CSS, изображения) для индексации
Патент описывает инфраструктуру Google для рендеринга веб-страниц в масштабах всего интернета. Вместо того чтобы запрашивать все внешние ресурсы (JS, CSS, изображения) в реальном времени, система использует итеративный подход. Если ресурс не найден в базе данных, процесс рендеринга останавливается, ресурс ставится в очередь на сканирование, и рендеринг перезапускается только после того, как все необходимое будет собрано. Это обеспечивает точное отображение страницы без перегрузки внешних серверов.
- US8346755B1
- 2010-05-04
Как Google повышает официальные видео в поиске выше их заявленных копий на контент-платформах (например, YouTube)
Механизм для контент-платформ (например, YouTube), который корректирует результаты поиска, чтобы продвигать контент, загруженный непосредственно владельцем («Предпочтительный контент»), выше копий этого же контента, загруженных другими пользователями, но заявленных владельцем («Заявленный контент»). Система использует различные эвристики, включая смену позиций, бустинг или оптимизацию полезности для владельца, чтобы гарантировать приоритет официальных версий.
- US9852224B2
- 2014-07-03
Как Google использует предварительную загрузку (Pre-fetching) для ускорения отображения следующих страниц поисковой выдачи
Google использует механизм предварительной загрузки (префетчинга) для улучшения пользовательского опыта. Пока пользователь просматривает первую страницу результатов, система автоматически и асинхронно загружает следующую страницу в кэш браузера. Это обеспечивает мгновенное отображение при переходе, а механизм подтверждения просмотра гарантирует точный учет статистики и показов рекламы.
- US8719265B1
- 2012-09-14
Как Google использует тематические векторы, косинусное сходство и анализ когезии кластеров для автоматической классификации контента
Патент Google, описывающий технологию автоматической организации документов. Система создает тематическую сигнатуру документа (вектор тем и их весов) и сравнивает её с существующими наборами документов, используя Cosine Similarity. Затем вычисляется Оценка Уверенности на основе среднего сходства и однородности набора. Патент раскрывает фундаментальные механизмы Information Retrieval, которые Google использует для понимания семантики и оценки тематической когезии контента.
- US8458194B1
- 2012-01-31
Как Google использует стабильность сигналов авторства для идентификации и исключения неавторского контента из специализированного индекса
Google отслеживает историю изменений данных об авторстве (имя автора, ссылки на профили) на веб-странице. Если авторство меняется слишком часто, система определяет, что это не статья одного автора (например, главная страница сайта или агрегатор), и исключает её из специализированной базы данных авторского контента. Это подчеркивает важность стабильных сигналов для E-E-A-T.
- US20150127624A1
- 2013-11-01
Как Google нормализует оценки мобильных приложений и ранжирует их вместе с веб-сайтами в единой выдаче
Google использует механизм для сравнения и совместного ранжирования веб-страниц и нативных мобильных приложений. Поскольку оценки для веба и приложений рассчитываются по разным шкалам, система нормализует оценки приложений, приводя их к единой шкале с веб-результатами. Это позволяет Google формировать унифицированную поисковую выдачу (Universal Search), включающую как ссылки на сайты, так и контент из приложений (Deep Links).
- US8996520B2
- 2013-03-15
Как Google динамически обогащает сниппеты, ранжируя отзывы, атрибуты и упоминания для обоснования результатов поиска
Google использует фреймворк для обогащения результатов поиска вспомогательной информацией (аннотациями), такой как редакционные упоминания, списки Топ-X, атрибуты товаров и контекстные отзывы. Система использует машинное обучение для оценки и ранжирования этих разнородных данных, чтобы динамически выбрать наиболее полезный дополнительный сниппет. Это позволяет обосновать позицию результата и повысить доверие пользователя.
- US12164527B2
- 2021-05-24
Как Google использует механизм внимания для выбора ключевых визуальных элементов на изображениях для улучшения поиска по картинкам
Google использует модель глубокого обучения для анализа изображений, которая не только извлекает визуальные признаки (дескрипторы), но и оценивает их важность с помощью механизма внимания. Это позволяет системе фокусироваться на самых значимых элементах (например, объектах или ориентирах) и игнорировать визуальный шум, повышая точность и эффективность поиска похожих изображений.
- US10402448B2
- 2017-06-28
Как Google рассчитывает «Рейтинг безопасности» запроса для фильтрации или блокировки выдачи (SafeSearch)
Google анализирует рейтинги контента (например, «для всех возрастов» или «для взрослых») топовых результатов по запросу, чтобы вычислить его «Safety Score». Если выдача содержит слишком много неприемлемого контента, система может полностью заблокировать запрос или агрессивно отфильтровать результаты, показывая только гарантированно безопасный и релевантный контент.
- US11829373B2
- 2015-02-20
Как Google определяет, когда показывать пользователю его личные данные (Gmail, Контакты) вместо результатов веб-поиска
Google создает детальную модель пользователя (User Model) на основе его личного контента (письма, контакты, события). При получении запроса система анализирует эту модель, чтобы определить намерение пользователя (Intent Score): ищет ли он свои личные данные или общую информацию в интернете. Это позволяет автоматически активировать персональный поиск только тогда, когда это релевантно контексту и времени.
- US20150012524A1
- 2013-07-02
Как Google автоматически находит недостающие или устаревшие факты для Knowledge Graph, генерируя поисковые запросы
Google использует автоматизированную систему для поддержания актуальности и полноты Knowledge Graph. Когда система обнаруживает пробел (например, отсутствует свойство у сущности согласно схеме) или устаревшие данные (на основе анализа логов запросов), она генерирует точный, disambiguated поисковый запрос. Ответ, полученный от поисковой системы или QA-системы, используется для обновления Базы Знаний.
- US10108700B2
- 2013-03-15