Google анализирует реальные маршруты пользователей, чтобы понять, как связаны различные физические локации. Система определяет характеристики бизнеса (например, тип ресторана или его качество) на основе того, откуда приезжают посетители, куда они …
Персонализация
Google использует механизм для корректировки лент контента и результатов поиска. Система определяет долю пользователей с общей характеристикой (например, демография или интересы) в сети. Для пользователей, обладающих этой характеристикой, система гарантирует, …
Google использует данные из социального графа пользователя для обогащения результатов локального поиска. Когда пользователь ищет место (Point of Interest), система проверяет, кто из его контактов посещал это место (сейчас, недавно …
Google использует "восходящий" подход для наполнения лент контента (например, Google Discover). Система заранее генерирует множество запросов по теме и оценивает качество их результатов по метрикам свежести (Velocity), вовлеченности (Feedback), точности …
Патент Google описывает систему персонализации Карт, которая классифицирует пользователей на «туристов» и «местных жителей» на основе их профиля и знакомства с территорией. Система анализирует, с какими категориями объектов (POI) взаимодействуют …
Google использует специализированную систему для ранжирования физических событий в определенном месте и времени. Система вычисляет оценку популярности события на основе множества сигналов: количества упоминаний в интернете, кликов на официальную страницу, …
Google использует механизм предиктивного кэширования для ускорения работы поисковых подсказок (Autocomplete), особенно на мобильных устройствах. Система заранее отправляет наиболее вероятные подсказки, включая локально-специфичные, на устройство пользователя еще до начала ввода …
Google оптимизирует визуальный поиск (например, Google Lens), анализируя, куда пользователь нажимает на изображении. Система направляет основные вычислительные ресурсы (мощные нейросети, детальный OCR) на выбранную область, а остальную часть изображения обрабатывает …
Google использует генеративные нейросетевые модели (Sequence-to-Sequence) для динамического создания вариантов поисковых запросов. Система учитывает контекст и предполагаемую задачу пользователя для генерации уточнений или эквивалентных формулировок. Механизм Actor-Critic (обучение с подкреплением) …
Google определяет уникальную "зону охвата" (Catchment Area) для локального бизнеса, анализируя, из каких географических точек пользователи кликали на его результаты в поиске. Эта динамическая зона заменяет фиксированный радиус и используется …
Google определяет, насколько похожи друг на друга локальные бизнесы (например, рестораны), анализируя поведение пользователей. Система изучает, какие запросы вводят пользователи и как часто они кликают на конкретный бизнес в ответ …
Google решает проблему «холодного старта» для новых документов или специализированных поисковых вертикалей (например, Google Покупки, Книги). Если у системы недостаточно поведенческих данных (клики, время просмотра) для оценки контента в вертикальном …
Google использует систему для корректировки поискового ранжирования на основе местоположения и языка пользователя. Система приоритизирует данные о кликах от конкретной популяции пользователей (например, страны) над более широкими популяциями (например, глобальными …
Google создает персонализированную «Модель пользователя» на основе его личного контента (письма, события, контакты). Эта модель хранит ключевые термины и их контекст. Система использует ее, чтобы понять «неявное намерение» запроса — …
Патент Google, описывающий механизм переменной персонализации. Система рассчитывает «значения повышения» (Boost Values) для авторитетных сайтов, анализируя граф сайтов (Site Graph) и распространение авторитета от доверенных источников (Seed Sites). Пользователь может …
Google использует механизм для улучшения релевантности результатов путем анализа недавней истории поиска пользователя. Если текущий запрос похож на предыдущие, система определяет ключевые контекстные термины, которые часто повторялись в истории (устойчивый …
Google использует этот механизм для улучшения результатов по навигационным (брендовым) запросам. Система определяет официальный сайт и связанный с ним верифицированный профиль в социальной сети. Свежий или популярный контент (посты, изображения) …
Google использует систему для персонализации рекомендаций контента, анализируя характеристики документов (например, через TF-IDF) и создавая динамические профили интересов пользователей. Система обучается на основе поведения: разные типы взаимодействий (просмотр, печать, сохранение) …
Патент описывает систему (Agent Rank), позволяющую Google идентифицировать авторов контента с помощью цифровых подписей. Система рассчитывает репутационный балл для каждого автора на основе качества подписанного им контента и ссылок на …
Google использует механизм для сравнения и совместного ранжирования веб-страниц и нативных мобильных приложений. Поскольку оценки для веба и приложений рассчитываются по разным шкалам, система нормализует оценки приложений, приводя их к …