Персонализация в Google: разборы патентов
Детальные разборы патентов Google, связанные с персонализацией поиска
Как Google использует трендовые результаты поиска для понимания неоднозначных запросов в Ассистенте
Google использует этот механизм для разрешения неоднозначных запросов в Цифровом Ассистенте. Если намерение пользователя неясно, система анализирует текущие трендовые результаты веб-поиска или всплески похожих запросов, чтобы определить актуальный контекст (например, новости или музыка). Затем Ассистент формирует ответ, используя предпочитаемые пользователем источники информации для этого контекста.
- US20220382819A1
- 2021-05-28
Как Google использует датчики устройства (камеру, микрофон, GPS), чтобы скрывать личную историю поиска в публичных местах
Google анализирует окружающую среду пользователя с помощью датчиков устройства (звук, местоположение, изображение), чтобы определить уровень конфиденциальности контекста. Если пользователь находится в общественном месте, система скрывает из поисковых подсказок и автодополнения те исторические запросы, которые были сделаны в приватной обстановке, защищая конфиденциальные данные от посторонних.
- US11790005B2
- 2020-11-30
Как Google использует историю поисковых запросов пользователя для таргетинга рекламы на сторонних сайтах (Поисковый ретаргетинг)
Патент описывает технологию Google для улучшения релевантности контекстной рекламы. Система сохраняет информацию о предыдущих поисковых запросах пользователя (например, в cookie) и использует её для выбора рекламы на последующих страницах, которые посещает пользователь, даже если эти страницы уже не содержат контекста исходного поиска.
- US8024316B2
- 2008-01-30
Как Google интегрирует предсказание и выполнение поиска непосредственно в клавиатуру (Gboard) на основе контекста ввода
Google использует клавиатурное приложение (например, Gboard) для анализа текста, вводимого пользователем в реальном времени (например, в чате). Система идентифицирует поисковые сущности или триггерные фразы, автоматически генерирует релевантные поисковые запросы и предлагает их прямо в интерфейсе клавиатуры. Это позволяет пользователю мгновенно выполнить поиск и получить результаты, не покидая текущее приложение.
- US10305828B2
- 2016-04-20
Как Google использует коллекции сущностей для определения коммерческого интента запроса
Google анализирует сущности (entities), распознанные в поисковом запросе, и определяет, к каким «коллекциям» (группам связанных сущностей) они принадлежат. Оценивая характеристики этих коллекций, система вычисляет вероятность коммерческого намерения пользователя. Этот механизм используется для разрешения неоднозначностей и принятия решения о показе релевантного коммерческого контента.
- US20150088648A1
- 2013-09-24
Как Google итеративно генерирует запросы из метаданных контента для поиска "Похожих Видео" (на примере YouTube)
Google (в частности, YouTube, упомянутый в патенте) использует итеративный процесс для генерации списков связанного контента. Система анализирует метаданные (заголовок, описание, теги) просматриваемого элемента и создает упорядоченный список ключевых слов. Затем она формирует внутренний поисковый запрос и автоматически уточняет его — сужая добавлением слов или расширяя удалением слов — пока не будет найдено оптимальное количество похожих результатов.
- US8078632B1
- 2008-02-15
Как Google использует контекст документа и данные пользователя для генерации мгновенных ответов (Knowledge Panels, Answer Boxes) при выделении текста
Google анализирует текст, выделенный пользователем на странице, и окружающий контекст (контент документа, язык и местоположение пользователя). Система определяет, является ли выделение сущностью, иностранной валютой или словом, требующим перевода, и динамически генерирует соответствующую информационную карточку (Knowledge Panel или Answer Box) поверх страницы.
- US9613145B2
- 2014-06-18
Как Google мгновенно классифицирует запросы, используя контекст пользователя, когда доступ к логам слишком медленный
Google использует легковесную модель машинного обучения для мгновенной классификации запросов в реальном времени, когда стандартные методы слишком медленные из-за задержек (latency constraint). Эта модель обучается офлайн и классифицирует новые запросы, используя только их характеристики (термины, язык, местоположение, время суток), без обращения к результатам поиска или логам поведения пользователей.
- US8560539B1
- 2009-07-29
Как Google позволяет пользователям контролировать уровень персонализации в результатах поиска с помощью слайдера
Google использует механизм для переменной настройки персонализации поисковой выдачи. Система рассчитывает несколько вариантов ранжирования — от неперсонализированного до полностью персонализированного на основе профиля интересов пользователя. Все варианты отправляются в браузер, позволяя пользователю динамически менять ранжирование с помощью слайдера без перезагрузки страницы.
- US7716223B2
- 2004-12-01
Как Google динамически определяет язык и страну пользователя для переранжирования поисковой выдачи
Google использует систему для динамического определения предпочтительного языка и страны пользователя, анализируя характеристики запроса, интерфейса (например, google.de) и IP-адрес. На основе этих данных система агрессивно повышает в выдаче результаты, соответствующие этим предпочтениям, используя либо физическое смещение позиций (Shifting Factor), либо формулу для увеличения оценки ранжирования (Weighting Factor).
- US8306972B2
- 2008-10-21
Как Google использует NLP, Proximity Score и Query Score для извлечения сущностей и приоритизации контента на основе структуры текста и контекста пользователя
Патент детально описывает, как Google анализирует текстовые описания, извлекает ключевые именные группы (Noun Phrases/сущности) и превращает их в поисковые запросы. Система ранжирует результаты, используя «Proximity Score» (порядок появления в тексте) и «Query Score» (контекст пользователя), что дает критическое понимание влияния структуры текста на интерпретацию контента.
- US9788055B2
- 2013-03-14
Как Google автоматически определяет язык, страну и тип устройства по структуре URL и переранжирует выдачу под пользователя
Google анализирует шаблоны в структуре URL сайта (например, поддомены или папки) и сопоставляет их с фактическим контентом страниц. Система вычисляет вероятность того, что определенный шаблон указывает на язык, страну или тип устройства. При поиске эти данные используются для расчета оценки соответствия (Alignment Score) и повышения в ранжировании той версии страницы, которая лучше всего подходит пользователю, при одновременном понижении дубликатов.
- US8600993B1
- 2009-08-26
Как Google использует постоянные запросы для агрегации, кастомизации и синдикации новостного контента
Патент описывает архитектуру кастомизации и синдикации новостей (например, Google News). Он объясняет, как новостные разделы определяются с помощью постоянных поисковых запросов (на основе ключевых слов, тем и географии) и как пользователи или внешние сайты могут размещать этот кастомизированный контент, который динамически обновляется основным агрегатором новостей.
- US8126865B1
- 2003-12-31
Как Google динамически определяет страну пользователя и агрессивно повышает локальные результаты в выдаче
Google динамически определяет предпочитаемую страну пользователя, используя интерфейс поиска (например, google.de) и IP-адрес. Затем система смещает результаты поиска, повышая оценки (Weighting Factor) или позиции (Shifting Factor) контента, связанного с этой страной. Патент раскрывает сигналы, используемые для определения местоположения сайта (ccTLD, IP сервера, география ссылок) и методы агрессивного повышения локальных результатов.
- US7451130B2
- 2003-06-27
Как Google позволяет временно отключать персонализацию (социальные сигналы, историю, местоположение) в результатах поиска с автоматическим возвратом к стандарту
Патент Google, описывающий механизм временной кастомизации поиска. Пользователь может отключить влияние персонализированных сигналов (социальные связи, местоположение, история поиска) на выдачу в рамках текущей сессии. После завершения сессии система автоматически возвращается к стандартному персонализированному поиску.
- US9280580B1
- 2013-01-07
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
Как Google автоматически генерирует критерии таргетинга для рекламы, сравнивая сущности на лендинге и в тематических коллекциях
Анализ патента Google, описывающего автоматическую генерацию критериев таргетинга для рекламных кампаний. Система анализирует целевую страницу рекламодателя и сравнивает сущности, найденные на ней, с сущностями из тематических коллекций, соответствующих заявленному типу бизнеса. Пересечение этих данных формирует точные критерии выбора, улучшая релевантность рекламы.
- US20150100413A1
- 2013-10-09
Как Google объединяет контекстные ответы и персональные уведомления с поисковыми подсказками в реальном времени
Google патентует механизм отображения контекстной информации прямо в выпадающем списке поисковых подсказок (Autocomplete). Система объединяет стандартные предсказания запросов с двумя типами данных: персональными уведомлениями (погода, встречи, новости для локации пользователя) и прямыми ответами на вводимый запрос (определения, факты, часы работы). Это ускоряет доступ к информации еще до перехода на страницу результатов поиска.
- US20150039582A1
- 2013-08-05
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 автоматически категоризирует локальный контент и историю пользователя для контекстного поиска по неявным запросам
Патент Google, описывающий технологию для локального (Desktop) или персонализированного поиска. Система отслеживает взаимодействие пользователя с контентом (события) и использует «схемы событий» для автоматической категоризации файлов, электронных писем и истории просмотров. Эти категории затем используются для предоставления релевантных результатов в ответ на неявные запросы, генерируемые системой на основе текущего контекста пользователя.
- US7788274B1
- 2004-06-30
Как Google определяет местоположение пользователя для локального поиска и использует историю местоположений
Патент Google, описывающий фундаментальную архитектуру локального поиска на мобильных устройствах. Система определяет, как браузер получает доступ к GPS данным через нативное приложение. Описан иерархический механизм определения локации: текущее местоположение устройства, явное указание локации в запросе или использование истории предыдущих поисков. Если текущая локация недоступна, система может инициировать параллельный поиск по нескольким недавним местоположениям.
- US9081860B2
- 2009-08-24
Как Google использует обработку естественного языка для поиска информации в личной истории пользователя (браузер, почта)
Google может распознавать запросы на естественном языке (включая голосовые), которые ищут ранее просмотренный контент (например, «найди рецепт, который я читал на телефоне»). Система ищет ответ не в общем веб-индексе, а в личной истории пользователя (история браузера, электронная почта), используя фильтры по теме, времени или устройству, извлеченные из запроса.
- US10515076B1
- 2017-01-31
Как Google использует графовые нейросети для обнаружения развивающихся событий через анализ социальных сетей и поисковых запросов
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 применяет специализированные модели машинного обучения (например, GCN, GAN) для оценки вероятности события и его релевантности для пользователя, позволяя предоставлять актуальную информацию до ее появления в традиционных источниках.
- US11366812B2
- 2019-06-25
Как Google понижает вес уточняющих слов при последовательных запросах в рамках одной сессии
Google анализирует историю запросов пользователя в рамках одной сессии. Если новый запрос является прямым расширением предыдущего (например, "погода Москва" -> "погода Москва завтра"), система снижает вес добавленных терминов ("завтра") или делает их опциональными. Это гарантирует, что результаты останутся сфокусированными на исходном намерении пользователя, а уточнения используются как фильтры.
- US8645409B1
- 2008-04-02
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 кэширует данные Knowledge Graph на устройствах пользователей для понимания контекста и помощи в реальном времени
Google создает "срезы" (фиксированные наборы) данных из Knowledge Graph на основе тем и локаций. Система предсказывает, какие срезы наиболее релевантны пользователю, основываясь на его местоположении, контенте на экране и других сигналах, и загружает их на устройство. Это позволяет Google мгновенно распознавать сущности и предлагать помощь (например, через Assistant или Lens) даже без подключения к сети.
- US10178527B2
- 2015-12-08
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 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 корректирует ранжирование, основываясь на типе устройства пользователя и полезности контента для этого устройства
Google использует систему для корректировки поисковой выдачи в зависимости от типа устройства пользователя (например, Android, iOS, десктоп). Контент, полезный для данного устройства, повышается в ранжировании, а бесполезный — понижается. Однако корректировка происходит только при наличии полезных альтернатив и только если это не противоречит явному намерению пользователя (интенту).
- US9652508B1
- 2014-03-05
Как Google идентифицирует и отображает контент на предпочтительном языке пользователя, даже если поиск ведется на другом языке
Google улучшает результаты поиска для мультиязычных пользователей, идентифицируя «параллельные ресурсы» — высококачественные переводы или оригинальные статьи на ту же тему — на предпочтительном языке пользователя (L2), даже если запрос был сделан на другом языке (L1). Эти L2 ресурсы отображаются рядом с результатами L1, улучшая доступ к релевантной информации.
- US7984034B1
- 2007-12-21