Разборы патентов Google для SEO
Разобрано 1 300 из ~2 500
Как Google индексирует контент внутри мобильных приложений и формирует сниппеты для App Deep Linking
Google использует виртуальную машину для запуска и рендеринга нативных мобильных приложений с целью извлечения контента, отображаемого на экранах (Application Pages). Система также анализирует установочный пакет приложения (Application Package File) для извлечения иконки и отображаемого имени. Эти данные объединяются для создания информативных результатов поиска (Deep Links), ведущих непосредственно на конкретный контент внутри приложения.
- US9881095B2
- 2015-06-23
Как Google оптимизирует индекс, сохраняя только те части документов, которые отвечают на запросы пользователей
Google может оптимизировать размер и скорость своего индекса, анализируя, какие части документа использовались для ответа на запросы пользователей. Части, которые редко используются, удаляются из индекса, а сохраняются только наиболее востребованные фрагменты.
- US8655886B1
- 2011-03-25
Как Google анализирует веб-формы и фильтры для эффективного сканирования «Глубокого интернета» (Deep Web)
Google использует метод для эффективного сканирования контента, скрытого за веб-формами (Deep Web). Вместо перебора всех возможных комбинаций полей ввода система определяет, какие поля являются «информативными» — то есть, изменение каких полей приводит к генерации страниц с существенно различным контентом. Это позволяет индексировать уникальный контент, избегая дубликатов и экономя ресурсы сканирования.
- US8484566B2
- 2007-10-15
Как Google анализирует сущности в топе органической выдачи для выбора релевантной рекламы на SERP
Google использует этот механизм для улучшения релевантности рекламы на странице результатов поиска. Система анализирует контент топовых органических результатов, извлекает из них ключевые сущности (концепции, продукты, бренды) и взвешивает их значимость. Затем эти сущности используются для выбора наиболее подходящих рекламных объявлений, позволяя таргетироваться на семантический контекст выдачи, а не только на ключевые слова запроса.
- US20150199718A1
- 2014-01-14
Как Google анализирует мнения и общественное восприятие тем в интернете путем кластеризации контента и измерения тональности
Патент описывает систему для анализа общественного мнения по заданной теме. Google собирает релевантные интернет-ресурсы (статьи, блоги, отзывы), группирует их по подтемам, определяет важность каждой подтемы (используя просмотры страниц и ранг релевантности) и вычисляет оценку тональности (Sentiment Score). На основе этих данных создается аналитический отчет о восприятии продукта, услуги или события.
- US8423551B1
- 2010-11-05
Как Google оптимизирует анализ экрана (Google Lens/Assistant), запрашивая изображения только тогда, когда текста недостаточно
Google использует двухэтапный процесс для предоставления контекстной информации о том, что отображается на экране устройства (например, в Google Lens или Assistant). Для экономии трафика и ресурсов система сначала анализирует только текст на экране. Только если текста недостаточно для понимания контекста, система запрашивает и анализирует отображаемые изображения.
- US10802671B2
- 2016-07-11
Как Google использует личную историю активности пользователя (поиск, email, локации) для идентификации входящих звонков на смартфоне
Google патентует технологию для смартфонов, которая помогает распознать неизвестные номера. Система анализирует личную историю пользователя (поисковые запросы, посещенные сайты, email, местоположения) и показывает визуальный контекст, где этот номер встречался ранее (например, скриншот результатов поиска или email), чтобы помочь пользователю вспомнить абонента.
- US9215315B2
- 2014-01-07
Как Google эффективно вычисляет совместную встречаемость (co-occurrence) терминов в больших наборах структурированных данных с помощью HyperLogLog
Патент Google описывает инфраструктурный метод для эффективного расчета корреляции (степени пересечения) между различными поисковыми терминами в больших базах данных. Используя алгоритм HyperLogLog (HLL), система может быстро оценить, как часто два термина встречаются вместе, потребляя минимум памяти. Эта технология ориентирована на анализ структурированных данных и Business Intelligence (BI).
- US11341147B1
- 2020-12-11
Как Google интегрирует контактные данные и каналы связи (email, чат, звонок) прямо в поисковую выдачу
Google использует систему для отображения «Карточки Профиля» (Profile Card) в поисковой выдаче, когда запрос касается конкретного человека. Система агрегирует контактные данные из личных контактов пользователя, социальных сетей и публичных источников. Это позволяет инициировать общение (email, звонок, чат) прямо из SERP через всплывающий интерфейс (Interaction Hovercard), не покидая страницу поиска.
- US10061851B1
- 2013-03-12
Как Google использует интерактивные шаблоны в подсказках для формирования структурированных запросов
Google может заменять стандартные поисковые подсказки интерактивными шаблонами, когда распознает намерение пользователя выполнить конкретную задачу (например, конвертацию величин, перевод, поиск авиабилетов). Эти шаблоны содержат редактируемые поля (выпадающие списки, поля ввода), позволяя пользователю сформировать точный структурированный запрос прямо в строке поиска перед отправкой.
- US9158860B2
- 2013-02-27
Как Google автоматически определяет, на каких языках искать ответ на запрос пользователя (CLIR)
Google использует механизм для автоматического определения наиболее релевантных языков для поиска по запросу пользователя. Система анализирует термины, связанные с запросом, и их привязку к различным языкам на основе структурированных данных (например, Википедии). Если система определяет, что ценный контент существует на других языках, она переводит запрос, выполняет поиск и подмешивает переведенные результаты в выдачу.
- US8862595B1
- 2011-11-18
Как Google Autocomplete обрезает начало длинных фраз, чтобы показать популярные подсказки
Google использует механизм для улучшения подсказок в Autocomplete. Если пользователь вводит длинную или редкую фразу, которая не дает хороших подсказок, система удаляет начальные слова (префикс) и ищет подсказки для оставшейся части (суффикса). Это гарантирует показ популярных запросов, основанных на логах поиска, даже если пользователь начал ввод нетипичным образом.
- US9031970B1
- 2011-07-20
Как Google обогащает поисковые подсказки (Autocomplete) данными в реальном времени (Live Content)
Google использует систему для улучшения поисковых подсказок путем добавления «живого контента». Когда пользователь вводит запрос, система генерирует подсказки и автоматически инициирует «живой запрос» для получения актуальных данных (например, погоды или курса акций). Эти данные отображаются прямо в списке подсказок, часто предоставляя ответ до перехода на SERP.
- US9129012B2
- 2010-02-03
Как Google анализирует страницу-источник перехода для формирования рекомендаций медиаконтента
Google анализирует контекст запроса медиаконтента (например, видео), определяя источник перехода (referral source). Система сканирует исходную страницу, чтобы найти другой контент, размещенный на ней (например, другие встроенные видео), и использует эту информацию для формирования списка рекомендаций, показываемых пользователю после просмотра.
- US9563627B1
- 2012-09-12
Как Google позволяет вебмастерам обновлять структурированные данные в индексе по требованию, минуя стандартное сканирование
Google использует механизм, позволяющий авторизованным владельцам сайтов напрямую отправлять структурированные данные (например, цены, наличие товара) в поисковый индекс. Этот процесс происходит по требованию ("unscheduled update sequence"), значительно быстрее стандартного сканирования, и позволяет передавать приватные данные, недоступные публично на сайте.
- US20150112961A1
- 2012-09-18
Как Google использует нейронные сети для создания «прощающих» хешей и эффективного поиска похожего мультимедийного контента
Google использует метод машинного обучения для создания «прощающих» (forgiving) хеш-функций. Этот механизм позволяет эффективно находить похожий или почти идентичный контент (аудио, изображения, видео) в огромных базах данных. Система группирует похожие элементы вместе, даже если они имеют небольшие различия, что критически важно для выявления около-дубликатов и масштабируемого поиска мультимедиа.
- US7831531B1
- 2007-06-21
Как Google алгоритмически выбирает наиболее информативные фрагменты из отзывов для создания сниппетов
Google анализирует текст отзыва, разбивая его на предложения. Каждое предложение оценивается по длине, позиции в тексте и информационной ценности слов (используя IDF). Система выбирает последовательность предложений с наивысшей совокупной оценкой качества, чтобы сформировать максимально полезный и информативный сниппет.
- US8010480B2
- 2005-09-30
Как Google встраивает релевантные видео (например, из YouTube) на страницы сторонних сайтов с помощью контекстного виджета
Патент Google описывает технологию предоставления встраиваемого виджета для сторонних сайтов (например, интернет-магазинов). Виджет автоматически анализирует контент страницы, на которой он размещен, ищет релевантный медиаконтент (например, видеообзоры товаров) в базе данных Google и отображает его в виде плейлиста прямо на странице, улучшая пользовательский опыт.
- US9805406B2
- 2013-06-12
Как Google интерпретирует выделенный пользователем текст в поисковые запросы и отдает предпочтение более длинным формулировкам
Google использует механизм для преобразования контента, выделенного пользователем на экране (например, жестом обводки), в оптимизированный поисковый запрос. Система генерирует несколько кандидатов и оценивает их вероятность. Ключевая особенность — нормализация оценок по длине запроса. Это позволяет системе отдавать предпочтение более длинным и точным запросам, а не коротким и частотным, улучшая релевантность выдачи при использовании функций типа "Circle to Search".
- US20140188894A1
- 2012-12-27
Как Google использует динамические подсказки (Search Topics и Acceleration Topics) для навигации внутри коллекций контента (например, в Google Photos)
Патент описывает технологию пользовательского интерфейса (UI/UX) для приложений, управляющих коллекциями контента (например, фотографиями). Во время прокрутки ленты система анализирует характеристики контента поблизости и предлагает динамические элементы: "темы поиска" для быстрого фильтрования коллекции и "темы ускорения" для мгновенного перехода к определенным разделам.
- US10691740B1
- 2017-11-02
Как Google генерирует, ранжирует и отображает результаты поиска в реальном времени (Real-Time Search)
Патент Google описывает комплексную систему для поиска в реальном времени. Он включает механизмы прогнозирования актуальных запросов, предварительного кэширования свежего контента (например, статусов из соцсетей), оценки качества этого контента и авторов. Также описана технология непрерывного обновления выдачи у пользователя с помощью "Time Token" и процесс обработки сокращенных URL.
- US9043319B1
- 2010-12-03
Как Google использует "искусственные анкоря" для перехода и подсветки конкретного фрагмента текста на странице (Scroll-To-Text)
Патент Google, описывающий механизм прямой навигации к релевантному фрагменту (сниппету) внутри целевой страницы после клика по результату поиска. Система добавляет к URL "искусственный анкорь", который инструктирует браузер пользователя прокрутить страницу до нужного места и выделить текст, даже если автор сайта не создавал там анкорь.
- US8150824B2
- 2003-12-31
Как Google отслеживает возраст отдельных фрагментов контента на странице и отличает существенные обновления от незначительных правок
Google использует систему для определения даты первой публикации отдельных фрагментов контента (например, предложений или абзацев). Система сегментирует контент и отслеживает его историю в «Карте дат» (Date Map). Используя нечеткое сравнение (Edit Distance) и нормализацию, система игнорирует незначительные правки и точно датирует только существенные обновления контента.
- US8332408B1
- 2010-08-23
Как Google автоматически выбирает лучший сегмент видео для создания анимированной превью-миниатюры
Google использует систему для автоматической генерации движущихся миниатюр (анимированных превью). Система анализирует видео покадрово, оценивая визуальное качество, наличие лиц и движение. Затем она использует метод «скользящего окна» для оценки целых сегментов и выбирает наиболее качественный и информативный фрагмент. Этот фрагмент может быть дополнительно скорректирован по границам сцен и скорости воспроизведения для повышения вовлеченности пользователей (CTR).
- US10347294B2
- 2016-06-30
Как Google использует Min-Hashing и Shingling для выявления дубликатов и классификации взаимосвязей между документами в большом корпусе
Google применяет техники Shingling и Min-Hashing для эффективного сравнения миллионов документов (например, книг или веб-страниц). Система кластеризует похожие документы, а затем детально анализирует сходство на уровне фрагментов, чтобы классифицировать их взаимосвязь: являются ли они идентичными, переформатированными версиями или содержат перекрывающийся текст.
- US8527516B1
- 2012-02-24
Как Google агрегирует и фильтрует медиаконтент на основе подписок пользователя на платформах типа Google TV
Google использует систему для унифицированного поиска медиаконтента (фильмы, сериалы) из различных источников (стриминговые сервисы, ТВ, локальные хранилища). Система локально определяет, к каким сервисам у пользователя есть доступ (подписки), и фильтрует результаты, показывая только тот контент, который пользователь реально может посмотреть. Это механизм обеспечения видимости контента в агрегированных медиа-платформах.
- US9317571B2
- 2012-08-24
Как Google индексирует и ранжирует AR-контент и действия в результатах визуального поиска (Google Lens)
Патент описывает систему Google для визуального поиска, которая позволяет находить и предоставлять пользователям «цифровые дополнения» (например, AR-контент, действия, информацию) в ответ на изображение реального мира. Система сканирует интернет в поисках метаданных о доступных дополнениях, индексирует их, связывая с визуальными анкорями (объектами, текстом, кодами), и ранжирует их в ответ на визуальный запрос пользователя.
- US10579230B2
- 2018-06-21
Как Google использует цифровые отпечатки контента для автоматического выявления и исправления орфографических ошибок в метаданных
Google использует технологию цифровых отпечатков (fingerprinting) для идентификации идентичного контента (например, видео, аудио, изображений), загруженного разными пользователями. Сравнивая метаданные (заголовки, теги) этих идентичных файлов, система автоматически выявляет распространенные опечатки и орфографические ошибки. Это позволяет улучшить полноту поисковой выдачи, связывая разные варианты написания.
- US8458156B1
- 2012-05-18
Как Google концептуализирует поиск в виде диалоговых тредов для итеративного уточнения запросов
Патент Google описывает интерфейс, который организует поисковые сессии в виде диалоговых тредов (Search Threads). Система интерпретирует последовательные сообщения пользователя как единое, эволюционирующее намерение, позволяя итеративно уточнять критерии. Интерфейс предназначен для управления сложной историей поиска, совместной работы и отслеживания обновлений.
- US9069825B1
- 2013-03-15
Как Google Autocomplete обрабатывает запросы, смешивающие разные языки и форматы ввода (например, иероглифы, пиньинь и английский)
Google использует механизм для генерации поисковых подсказок (Autocomplete), когда пользователь вводит запрос, смешивая разные языки или системы письма. Система создает альтернативные, "неоднозначные" представления ввода, запрашивает подсказки и фильтрует их. Это позволяет корректно интерпретировать сложный ввод (например, сочетание китайских иероглифов, пиньиня и английских слов) и предлагать релевантные варианты.
- US20120203541A1
- 2009-11-25