Разборы патентов Google для SEO
Разобрано 1 300 из ~2 500
Как Google извлекает и может отображать оригинальный дизайн (стили) контента в сниппетах поисковой выдачи
Google разработал систему для отображения текстовых сниппетов в поисковой выдаче с сохранением их оригинального стиля (шрифт, размер, форматирование) из исходного документа. Для этого система создает отдельные индексы для текста и стилей. Это позволяет пользователям оценить визуальный контекст, важность контента и эстетику сайта непосредственно в SERP, влияя на выбор результата.
- US10311114B2
- 2014-11-03
Как Google тестирует и выбирает, какие документы включать в индекс, используя инкрементно обновляемую тестовую среду
Патент описывает инфраструктуру Google для оценки различных стратегий отбора документов в индекс. Система поддерживает актуальный набор данных (Query-to-Resource Mapping), периодически добавляя свежий контент и новые запросы. Это позволяет Google сравнивать разные алгоритмы индексации через A/B тесты и оценку асессорами, чтобы определить, какая стратегия обеспечивает более качественную выдачу.
- US20140059062A1
- 2012-08-24
Как Google автоматически создает шаблоны для извлечения структурированных данных из форумов и UGC-сайтов
Google использует систему для автоматического понимания структуры сайтов с пользовательским контентом (UGC), таких как форумы. Система разделяет страницы на статичные элементы («boilerplate») и динамический контент («posts»), определяет различные типы постов (например, посты модераторов и обычных пользователей) и создает шаблоны для точного извлечения и аннотации ключевых данных: автора, даты и основного текста.
- US8458584B1
- 2010-11-18
Как Google позволяет пользователям настраивать ранжирование и отбор источников в агрегаторе новостей (Google News)
Патент Google, описывающий механизм персонализации новостного агрегатора (Google News). Система позволяет пользователям создавать постоянные новостные разделы на основе запросов и настраивать правила ранжирования внутри них: выбирать предпочтительные источники, блокировать нежелательные, повышать статьи по ключевым словам или авторам, а также управлять сортировкой по свежести или важности.
- US8676837B2
- 2003-12-31
Как Google использует математическую аппроксимацию (Ряд Тейлора) для быстрого расчета релевантности категорий к местоположению пользователя
Google использует механизм для быстрой оценки того, насколько релевантна определенная категория (например, «рестораны») для точного местоположения пользователя. Поскольку точный расчет занимает много ресурсов, система заранее вычисляет оценки и математические коэффициенты (Taylor coefficients) для опорных локаций. Затем она использует эти данные для быстрой аппроксимации релевантности в любой другой точке поблизости, ускоряя адаптацию поисковой выдачи, рекламы и подсказок.
- US8407211B1
- 2010-12-16
Как Google использует поисковую строку для отправки сообщений и выполнения задач, не связанных с поиском
Google использует механизм для интерпретации поисковых запросов как команд для выполнения действий, отличных от поиска (например, отправки email или публикации поста в социальной сети). Если запрос содержит специальный зарезервированный текст или символ (триггер), система распознает это намерение и предлагает пользователю черновик сообщения для подтверждения и отправки прямо из интерфейса поиска.
- US8650210B1
- 2011-02-08
Как Google визуализировал историю поиска и связанные запросы с помощью интерфейса "Search Refinement Wheel" (Wonder Wheel)
Анализ патента Google, описывающего интерфейс "Search Refinement Wheel" (Wonder Wheel). Система визуализировала поисковый запрос и его уточнения в виде интерактивного графа (hub-and-spoke). Она позволяла пользователям исследовать смежные темы, отслеживать историю поискового пути и быстро возвращаться к предыдущим шагам за счет клиентского кэширования и анимированных переходов.
- US8577911B1
- 2011-03-23
Как Google итеративно подбирает размер изображений в сниппетах, чтобы избежать пустого пространства и обрезки текста
Google использует итеративный алгоритм для оптимизации отображения результатов поиска, содержащих текст и встроенное изображение (thumbnail). Система вычисляет высоту текста и ширину изображения, а затем циклически корректирует их, чтобы минимизировать нежелательное пустое пространство или обрезку контента, обеспечивая визуально целостный вид сниппета.
- US9373155B2
- 2013-08-15
Как Google идентифицирует дубликаты и защищенный авторским правом видеоконтент с помощью 3D-отпечатков
Google использует технологию трехмерных цифровых отпечатков для управления большими видеобиблиотеками (например, YouTube). Система анализирует пространственные (внутри кадра) и временные (между кадрами) характеристики видео, создавая уникальный идентификатор. Это позволяет эффективно обнаруживать дубликаты и защищенный контент, даже если видео было изменено (сжато, обрезано, перекодировано).
- US8094872B1
- 2007-05-09
Как Google реконструирует дискуссионные треды для обогащения поисковой выдачи
Google идентифицирует, когда результат поиска является частью дискуссионного треда (форума, блога). Система реконструирует весь тред, находя другие его страницы, даже если они не попали в выдачу. Затем извлекается агрегированная статистика (количество постов, авторов, дата последней активности), которая отображается в сниппете, предоставляя пользователю интегрированное представление дискуссии.
- US8402021B2
- 2009-07-31
Как Google предлагает несколько вариантов исправления опечаток в запросе и динамически обновляет выдачу без перезагрузки страницы
Google использует механизм для улучшения пользовательского опыта при обработке неоднозначных опечаток. Система предлагает несколько вариантов исправления, включая «агрессивные» (сильно отличающиеся от оригинала). При выборе варианта результаты поиска обновляются динамически, часто без перезагрузки страницы, в том числе в режиме «Живого поиска» (Search as you type).
- US8583672B1
- 2011-04-14
Как Google ускоряет работу поисковых подсказок (Autocomplete) с помощью предиктивного кэширования на устройстве пользователя
Google использует механизм для борьбы с задержками сети при отображении поисковых подсказок (Autocomplete), особенно на мобильных устройствах. Система заранее отправляет наиболее вероятные подсказки на устройство пользователя, где они кэшируются локально. Это позволяет мгновенно отображать подсказки по мере ввода запроса, не дожидаясь ответа сервера.
- US8560562B2
- 2010-07-22
Как Google выбирает и показывает изображения людей рядом с ссылками в результатах поиска
Google анализирует запросы, содержащие имена людей. Система изучает изображения на страницах, попавших в топ выдачи, и использует filename, alt-text и метаданные, чтобы найти фотографию именно этого человека. Выбранное изображение затем отображается рядом с соответствующей ссылкой в SERP для улучшения пользовательского опыта.
- US8538943B1
- 2008-07-24
Как Google позволяет пользователям управлять результатами поиска о себе и использует это для улучшения кластеризации людей
Google предоставляет механизм, позволяющий пользователям заявлять права («Это я») или отклонять («Это не я») результаты поиска, связанные с их именем. Эта обратная связь используется для курирования личного профиля пользователя и улучшения алгоритмов кластеризации (People Clustering), помогая поисковой системе различать людей с одинаковыми именами.
- US9037563B1
- 2011-09-09
Как Google распознает намерения структурированного поиска и предлагает операторы в автозаполнении
Google анализирует частично введенный запрос в реальном времени, чтобы определить, пытается ли пользователь выполнить структурированный поиск (например, по дате или атрибуту). Если система распознает формат (например, дату или email) или ключевые индикаторы (например, название месяца), она предлагает соответствующие поисковые операторы (например, "before:", "from:") в подсказках автозаполнения, помогая пользователю правильно сформулировать сложный запрос.
- US20160063006A1
- 2014-08-28
Как Google объединяет результаты поиска по приложениям с веб-версией и без нее, используя универсальную оценку ранжирования
Google разделяет нативные приложения на две группы: те, у которых есть соответствующий веб-ресурс, и те, у которых его нет (app-only). Каждая группа ранжируется отдельно с использованием разных сигналов. Затем система рассчитывает «Универсальную оценку ранжирования» (Universal Ranking Score) на основе позиции приложения в своем списке, что позволяет справедливо объединить эти списки в единую поисковую выдачу.
- US10268732B2
- 2015-06-29
Как Google определяет сайты, использующие Session ID в URL, для оптимизации краулинга и борьбы с дубликатами
Google использует механизм для автоматического обнаружения сайтов, которые встраивают идентификаторы сессий (Session ID) в URL. Система скачивает страницу дважды и сравнивает внутренние ссылки. Если большая часть ссылок меняется (из-за разных ID), система генерирует правила для "очистки" URL. Это позволяет избежать повторного сканирования одного и того же контента и предотвращает заполнение индекса дубликатами.
- US7886217B1
- 2003-09-29
Как Google позволяет пользователям редактировать свои личные данные прямо в выдаче для улучшения персонализации и устранения неоднозначности
Патент описывает интерфейс Персональной Панели Знаний (PKP), который появляется в результатах поиска, когда пользователь ищет свое собственное имя. Этот интерфейс позволяет редактировать профильную информацию (например, профессию, работодателя) прямо на странице выдачи, не переходя в настройки аккаунта. Эти данные используются Google для обновления профиля пользователя и могут вызвать немедленное переранжирование персонализированных результатов поиска для устранения неоднозначности сущностей.
- US9311362B1
- 2013-03-15
Как Google создает интерактивное визуальное пространство для исследования связанных поисковых запросов
Google использует механизм для визуального исследования результатов поиска (например, по картинкам). Система определяет запросы, связанные с исходным, и размещает их результаты в виде "панелей" вокруг центрального результата. Пользователь может перемещаться по этому пространству, при этом система динамически генерирует новые связанные запросы на основе видимых панелей, используя аддитивное взвешивание для создания бесконечного интерфейса исследования тем.
- US8996516B2
- 2013-01-02
Как Google идентифицирует аудио, видео и изображения, даже если они были изменены (растянуты, замедлены или ускорены)
Google использует технологию для создания цифровых отпечатков медиаконтента (аудио, изображений, видео), которые устойчивы к различным трансформациям, таким как изменение скорости воспроизведения или соотношения сторон. Система анализирует относительное расположение ключевых маркеров в сигнале (например, пиков в аудио или краев на изображении), а не их абсолютные значения. Это позволяет Google распознавать контент, даже если он был отредактирован или искажен.
- US9143784B2
- 2013-09-12
Как Google обнаруживает неавторизованное использование контента (текст, изображения, видео, аудио), сохраняя конфиденциальность
Система позволяет владельцам контента загружать образцы (текст, изображения, видео, аудио) и проверять, существуют ли совпадения в индексах Google, включая веб-индекс и пользовательские базы данных. Система сообщает о факте наличия совпадения, не раскрывая источник напрямую, и может предоставить зашифрованный идентификатор для дальнейшего расследования.
- US20080288509A1
- 2007-05-16
Как Google отличает реальные тренды (QDF) от спама и шума при всплесках активности
Google использует статистические модели (например, распределение Пуассона) для анализа внезапных всплесков запросов или индексации новых документов. Система определяет, является ли всплеск результатом реального мирового события (тренд) или случайным шумом/скоординированным спамом. Это позволяет фильтровать ложные тренды и точно определять темы, заслуживающие приоритета свежего контента (QDF).
- US20140081973A1
- 2012-09-14
Как Google анализирует исполняемый код для поиска схожих файлов и выявления вариантов вредоносного ПО
Патент Google описывает систему для анализа схожести программного кода на субфайловом уровне. Система изолирует только исполняемые части файла, игнорируя метаданные и ресурсы, разбивает код на логические блоки и хеширует их. Сравнивая хеши, Google может эффективно находить схожие фрагменты кода в разных файлах, что используется для обнаружения вариантов вредоносного ПО или идентификации повторно используемого кода.
- US20220129417A1
- 2020-10-22
Как Google использует квантование векторов для ускорения и масштабирования поиска (особенно Neural Matching)
Google использует метод квантования векторов для ускорения поиска и снижения потребления памяти. Этот метод разбивает большие векторы (например, эмбеддинги страниц и запросов) на части (субпространства) и аппроксимирует их значения с помощью "кодовых книг". Это позволяет выполнять быстрый поиск максимального внутреннего произведения (MIPS), что критично для работы систем векторного поиска, таких как Neural Matching, в масштабах веба.
- US10255323B1
- 2015-10-08
Как Google анализирует оглавления и визуальную верстку для понимания структуры документа и повышения веса заголовков в ранжировании
Google использует технологию для автоматического определения оглавления (TOC) в цифровых документах (книгах, PDF). Система извлекает названия разделов из TOC и сопоставляет их с заголовками в основном тексте, используя машинное обучение, анализ шрифта и верстки, а также ограничения порядка. Это позволяет Google понять структуру документа и увеличить вес ранжирования для идентифицированных заголовков разделов.
- US8549008B1
- 2008-11-12
Как Google позволяет пользователям настраивать формат отображения результатов в поиске по товарам (Grid View vs List View)
Google использует систему для повышения эффективности оценки результатов в поиске по товарам. Пользователям предоставляется возможность выбора формата отображения выдачи (например, сетка или список) и настройки типа информации (cues), отображаемой для каждого товара (например, изображение, цена, описание). Это позволяет адаптировать выдачу под конкретные задачи пользователя, например, для быстрого визуального сравнения товаров.
- US8006197B1
- 2003-09-29
Как Google решает проблему «холодного старта» при запуске специализированного поиска (например, Google Shopping) на новых рынках
Google решает проблему отсутствия статистики при запуске специализированного поиска (Товары, Новости и т.д.) в новой стране. Система переводит локальные запросы на язык зрелого рынка (например, английский), оценивает их с помощью существующих моделей и использует эти оценки для обучения новых локальных моделей. Это позволяет быстро определять интент пользователя без исторических данных.
- US8538946B1
- 2012-07-18
Как Google разделяет визуальные паттерны (Shape) и их интенсивность (Gain) для точного и быстрого поиска похожих изображений
Google использует метод квантования "Shape-Gain" для повышения точности и скорости поиска похожих изображений. Система разделяет векторы признаков на направление (Shape/Форма, определяющее визуальный паттерн) и магнитуду (Gain/Усиление, определяющее интенсивность). Раздельное кодирование этих компонентов позволяет создавать более точные компактные коды (хэши) для эффективного сравнения миллиардов изображений.
- US20150169644A1
- 2013-01-03
Как Google позволяет вебмастерам создавать собственные поисковые подсказки (Autocomplete) для внутреннего поиска по сайту
Google предоставляет инфраструктуру, позволяющую владельцам сайтов определять собственные поисковые подсказки для функции поиска на их ресурсах. Вебмастера загружают данные, связывая вводимые пользователем термины (N-граммы) с желаемыми подсказками. Система индексирует эти данные и предоставляет инструмент (например, плагин или API), который в реальном времени отображает эти кастомные подсказки при вводе запроса пользователем на сайте.
- US20120278308A1
- 2009-12-30
Как Google масштабирует поиск похожих объектов (например, изображений или дубликатов) с помощью распределенных деревьев поиска
Патент описывает инфраструктурное решение Google для поиска ближайших соседей (наиболее похожих объектов) в огромных наборах данных, которые не помещаются на одном сервере. Система использует структуру "Parallel Hybrid Spill Tree" для распределения данных по нескольким машинам, что позволяет выполнять эффективный и быстрый поиск дубликатов или схожего контента в масштабах всего интернета.
- US7539657B1
- 2006-02-01