Google использует механизм для определения связанности между локальными бизнесами (POI), выходя за рамки простых категорий. Система анализирует специфические характеристики бизнеса («Known For Terms» или KFT), извлеченные из отзывов, веб-страниц и …
Персонализация
Google использует механизм для уточнения временного контекста запроса. Это происходит тремя способами: анализом временных указаний в самом запросе (например, «сезон охоты»), учетом текущего времени и местоположения пользователя (например, поиск «кофейни» …
Патент Google, описывающий локальную поисковую систему на мобильном устройстве. Система индексирует контент нативных приложений и обширную контекстную информацию о действиях пользователя. Используя векторные представления, она кластеризует активность из разных приложений …
Google обрабатывает голосовые запросы, идентифицируя стандартный результат (ссылка и сниппет) и одновременно находя или синтезируя прямой ответ в форме законченного предложения. Этот ответ адаптируется под контекст пользователя (например, местоположение), конвертируется …
Google обучает отдельные модели машинного обучения для каждого уникального запроса в Поиске по картинкам. Эти модели учатся определять визуальную релевантность, основываясь на признаках (цвет, текстура) изображений, на которые пользователи часто …
Google персонализирует статус доступности локального бизнеса, рассчитывая предполагаемое время прибытия пользователя (текущее время + время в пути). Бизнес помечается как «Открыто сейчас», только если пользователь физически успевает добраться до закрытия. …
Google анализирует личные данные пользователя (история поиска, email, социальная активность) для построения Персонального Графа Знаний. Этот граф структурирует сущности и связи, значимые для пользователя. Сила связей динамически обновляется: усиливается при …
Google использует этот механизм для понимания контекста местоположения пользователя за пределами сырых координат. Система идентифицирует вложенные "Области Поиска" (магазин, торговый центр, район, город) и выбирает наиболее релевантную. Это позволяет Google …
Google ранжирует локальные результаты (POI) не только по близости, но и по контексту. Система учитывает время суток (часы работы и актуальность категории), свежесть социальных обновлений, уникальность бизнеса в данной местности …
Патент описывает технологию "неявного поиска" (Implicit Search), которая анализирует текущий контекст пользователя (например, редактируемый документ или просматриваемую страницу) для автоматической генерации запросов. Ранжирование этих контекстных результатов учитывает характеристики исходного контента …
Google обучает передовые нейронные сети (Image Embedding Functions) с использованием «триплетов изображений» для отображения картинок в математическое пространство (эмбеддинги). Это позволяет системе понимать нюансы и тонкие визуальные сходства — например, …
Google использует состояние устройства (например, телефон в автомобильном держателе или подключен к гарнитуре), чтобы определить формат ответа на запрос. Если система сформировала прямой ответ (Summarized Query Response) и устройство находится …
Google анализирует неструктурированный текст пользовательских комментариев (UGC) для выявления упоминаний различных продуктов и определения взаимосвязей между ними (альтернативы, дополнения, сравнения). Эти данные используются для кластеризации товаров и, что особенно важно, …
Google использует иерархическую систему для определения предпочтительного языка и страны пользователя, анализируя сигналы из запроса, настроек браузера (HTTP-заголовки), IP-адреса и интерфейса поисковой системы. Определив предпочтения, система переранжирует выдачу, повышая соответствующий …
Этот патент описывает, как браузер (например, Chrome) использует модель машинного обучения, работающую локально на устройстве (On-device ML), для ранжирования подсказок автозаполнения в адресной строке. Система персонализирует, какие URL (навигация) и …
Google анализирует, ищет ли пользователь уникальную сущность, расположенную далеко, или локальный бизнес поблизости. Система сравнивает локальные и глобальные результаты, используя «оценку кластеризации». Если глобальные результаты тесно сгруппированы в отдаленном месте, …
Google анализирует фотографию пользователя и приблизительные данные GPS, чтобы определить его точное местоположение и направление взгляда, сравнивая изображение с базой Street View. Система адаптирует ранжирование локальных результатов: если местоположение определено …
Google анализирует активность контактов пользователя в социальных сетях (посты, комментарии, лайки) и извлекает из этого контента ключевые фразы (n-grams). Эти фразы ранжируются по значимости, учитывая объем активности и близость контактов …
Google записывает действия пользователя (запросы, клики по результатам и рекламе, посещенные сайты) для персонализации поиска. Система может изменять порядок стандартных результатов, повышая сайты на основе частоты и времени предыдущих посещений. …
Google использует этот механизм для интеграции персонализированного контента (из социальных сетей и подписок пользователя) в общую поисковую выдачу. Система применяет сложное дерево решений, чтобы определить, когда показывать этот контент, основываясь …