Google использует машинное обучение для анализа логов поведения пользователей, чтобы понять, что они ищут после посещения определенного контента. Система создает совместное векторное пространство (joint embedding) для документов и запросов, где …
Персонализация
Google разрабатывает систему, которая заменяет статические бизнес-профили динамическими «курируемыми профилями», генерируемыми ИИ (например, LLM). Эти профили адаптируются в реальном времени под конкретного пользователя, учитывая его запрос, предпочтения, историю поиска и …
Google использует модель машинного обучения для прогнозирования текущих интересов пользователя на основе истории поиска. Эта модель объединяет несколько методов прогнозирования: анализ того, как недавно были отправлены запросы (на основе времени), …
Патент Google описывает систему построения персонализированных "сетей доверия". Система определяет, каким источникам (людям или сайтам) доверяет пользователь, анализируя его поведение (web visitation patterns), социальные связи (контакты) и прямые указания ("Trust …
Google использует механизм уточнения интента пользователя в реальном времени при обработке неоднозначных запросов. Система группирует результаты поиска по связанным сущностям. Если пользователь демонстрирует отсутствие интереса к одной из групп (например, …
Google использует метод Latent Collaborative Retrieval (LCR) для персонализации поиска. Система создает векторные представления (эмбеддинги) для текущего запроса пользователя и его долгосрочного профиля (история, предпочтения). Эти векторы приводятся к единой …
Google использует анализ «избыточных запросов» (тем, которые ищут в регионе значительно чаще, чем в среднем по стране) для определения поведенческой схожести географических локаций, независимо от расстояния. Это позволяет Google переносить …
Google анализирует пользовательский контент (фотографии, посты, метаданные) и историю поиска, чтобы определить, с какими объектами (места, продукты, услуги) взаимодействовал пользователь. Система проактивно предлагает оставить структурированный отзыв, используя шаблон, который может …
Google использует технологию предиктивного (проактивного) поиска, которая анализирует текущий контекст пользователя (местоположение, время, календарь, скорость движения, привычки) для автоматического предоставления релевантной информации. Система реагирует на «запрос без параметров» (например, открытие …
Google анализирует исторические данные о поисковых запросах и введенных URL. Когда пользователь начинает вводить текст, система быстро находит наиболее вероятные варианты завершения, используя эффективные структуры данных (хеш-таблицы и фингерпринты). Подсказки …
Google использует двухкомпонентную систему для ранжирования пользовательского контента (UGC) и комментариев. Сначала вычисляется объективная оценка качества, независимая от пользователя (учитывая репутацию автора, грамматику, свежесть). Затем, если пользователь идентифицирован, вычисляется субъективная …
Патент раскрывает методы интерпретации голосового ввода на носимых устройствах. Система анализирует обширный контекст (недавние документы, местоположение, календари), чтобы определить намерение пользователя. Ключевой особенностью является генерация «неявных поисковых запросов» (Implicit Search …
Google создает персональную модель пользователя (User Model) на основе его личного контента (письма, контакты, документы). Эта модель используется для определения неявного намерения пользователя (личный поиск или общий) и для аннотирования …
Google использует механизм для помощи пользователям в уточнении их поисковых запросов. Когда пользователь взаимодействует с определенной частью запроса в поисковой строке (например, наводит курсор или выделяет слово), система определяет контекст …
Google идентифицирует частых посетителей или находящихся поблизости пользователей ("Амбассадоров") локального бизнеса на основе их истории местоположений. Создается канал связи, позволяющий пользователям задавать этим Амбассадорам вопросы о бизнесе (например, наличие товара, …
Патент описывает механизм обмена данными об интересах аудитории между разными платформами. Платформа-источник (например, YouTube) анализирует совместное потребление контента, группирует его в «бакеты» интересов и присваивает анонимные токены. Внешние сервисы (например, …
Google применяет механизм для интерпретации неоднозначных поисковых запросов, которые имеют несколько географических или категориальных значений. Система определяет доминирующий интент, анализируя, как пользователи в том же регионе ранее уточняли похожие запросы …
Google использует систему для прогнозирования контента (веб-сайтов, сущностей), который будет интересен пользователю в данный момент, без явного запроса. Система анализирует текущий контекст пользователя (местоположение, время, интересы) и сравнивает его с …
Google может определять, когда несколько последовательных запросов пользователя являются частью одного исследования («линии запроса»). Система объединяет параметры из этих запросов, создавая «комбинированный запрос». Это позволяет пользователю постепенно уточнять поиск (особенно …
Google патентует систему "вспомогательного браузинга", которая активируется на странице результатов поиска (SERP) при проявлении интереса к ссылке. Система показывает текстовый сниппет и оценку интереса предыдущих пользователей, рассчитанную на основе имплицитных …