Семантика и интент в Google: разборы патентов
Детальные разборы патентов Google, связанные с семантикой, поисковыми запросами и интентами
Как Google использует связанные фразы и расширения запросов для генерации сниппетов в поисковой выдаче
Google использует запатентованный метод для автоматической генерации описаний документов (сниппетов) в результатах поиска. Система анализирует предложения в документе и ранжирует их на основе наличия трех элементов: самой фразы из запроса, семантически связанных фраз (определенных через Information Gain) и расширений фразы запроса. Наиболее релевантные предложения выбираются для формирования сниппета.
- US7584175B2
- 2004-07-26
Как Google извлекает списки сущностей из веб-страниц и использует графовый анализ для проверки их достоверности и релевантности
Google использует этот механизм для ответов на запросы, требующие списка элементов (например, «города в Калифорнии»). Система извлекает потенциальные списки из неструктурированных веб-документов, анализирует их взаимосвязи и совпадения в виде графа (Vertex-Edge Graph) и использует методы консенсуса (например, поиск клик) для определения наиболее достоверных и релевантных сущностей.
- US20110106819A1
- 2009-10-29
Как Google определяет "Связанные запросы", сравнивая различия в топе выдачи и сходства в нижних результатах
Google использует двухэтапный анализ для генерации блока "Связанные запросы" (Related Searches). Система ищет запросы, у которых ТОП выдачи сильно отличается от исходного запроса (чтобы показать новое), но результаты на низких позициях сильно пересекаются (чтобы сохранить тематическую связь). Это позволяет предлагать пользователю смежные темы, не повторяя уже увиденные результаты.
- US9122727B1
- 2013-03-01
Как Google использует контекст текущей страницы для понимания запроса и прямой навигации к результату (минуя SERP)
Google может анализировать контент страницы, которую просматривает пользователь, чтобы понять неоднозначные запросы (например, содержащие местоимения). Система переписывает запрос, добавляя контекст, ищет результаты и автоматически выбирает один лучший ответ. Затем пользователь направляется прямо на этот ресурс, минуя стандартную страницу результатов поиска (SERP).
- US10503733B2
- 2015-10-13
Как Google использует Граф Знаний для выбора, группировки и ранжирования связанных сущностей в Knowledge Panel
Google использует этот механизм для определения того, какие группы связанных сущностей (например, "Фильмы", "Члены семьи", "Коллеги") показать в Панели Знаний. Система анализирует пути в Графе Знаний, группирует сущности по типу их связи (Path Type) и ранжирует эти группы по популярности и силе связи (Relationship Strength), основанной на совместном упоминании в вебе и запросах.
- US9411857B1
- 2013-06-28
Как Google встраивает синонимы и контекст непосредственно в поисковый индекс на этапе индексирования
Google использует механизм для повышения релевантности поиска путем определения синонимов на основе контекста документа во время индексирования. Система встраивает эти синонимы, включая сложные многословные замены (N-to-M), непосредственно в инвертированный индекс. Это позволяет поисковой системе находить релевантные документы, даже если они не содержат точных ключевых слов из запроса, без необходимости переписывать запрос на лету.
- US9037591B1
- 2012-04-30
Как Google автоматически находит похожие страницы внутри одного сайта, используя текст текущей страницы как запрос (Query by Example)
Анализ патента Google, описывающего технологию автоматического поиска связанного контента внутри одного веб-сайта. Система анализирует текст просматриваемой страницы, извлекает и взвешивает ключевые термины на основе их уникальности, а затем использует их как поисковый запрос (Query by Example) для нахождения тематически похожих документов на том же сайте. Используются классические формулы информационного поиска (TF-IDF/BM25).
- US8756212B2
- 2009-07-06
Как Google использует генеративные модели (LLM) для переписывания запросов в диалоговом поиске на основе контекста беседы
Google использует генеративные модели (LLM) для анализа истории диалога (multi-turn session) и переписывания неоднозначных запросов пользователя (например, "сколько он стоит?") в полные контекстно-зависимые запросы (например, "сколько стоит смартфон Бренда X?"). Это позволяет системе точно понимать интент в диалоговом поиске (SGE, чат-боты) и предоставлять релевантные результаты, используя графы интентов.
- US20250173519A1
- 2023-11-29
Как Google использует отзывы для сравнения, фильтрации и ранжирования сущностей в поиске
Патент Google описывает систему, которая позволяет пользователям искать внутри отзывов (UGR) сразу по нескольким сущностям (например, отелям или товарам) и сравнивать их в едином интерфейсе. Система индексирует отзывы как отдельные документы и использует их содержание для обнаружения сущностей, фильтрации результатов основного поиска и в качестве сигналов ранжирования веб-страниц.
- US11568004B2
- 2020-07-14
Как Google вычисляет схожесть документов, используя значимость слов, их описательность и распознавание фраз
Google использует алгоритм для определения схожести документов, который превосходит традиционный TF-IDF. Система вычисляет Оценку Значимости (Prominence Score) и Оценку Описательности (Descriptiveness Score) для отдельных слов и фраз. Учитывается, где именно на странице расположены термины и насколько информативными они являются в целом. Это позволяет точнее определять релевантность и тематическую близость контента.
- US7958136B1
- 2008-03-18
Как Google выявляет новые временные связи между ключевыми словами и сущностями на основе текущих событий
Google использует систему для выявления новых, временных ассоциаций между ключевыми словами, анализируя недавние онлайн-документы (новости, социальные сети) и сравнивая их с историческими данными. Если обнаруживается новая значимая связь («временная ссылка»), система использует её для отбора релевантного контента, даже если ключевые слова традиционно не были связаны. Это позволяет поиску быстро адаптироваться к меняющемуся контексту и текущим событиям.
- US9146980B1
- 2013-06-24
Как Google автоматически определяет и отображает ключевые моменты (Key Moments) в видео для улучшения навигации
Google использует систему для анализа видеоконтента с помощью текстовых, визуальных и аудиосигналов. Система определяет "ключевые моменты" (salient topics), генерирует для них текстовые метки и интеллектуально выбирает наиболее релевантные стоп-кадры. Эти "временные анкоря" (Video Timed Anchors) позволяют пользователям понять структуру видео и перейти к интересующему сегменту прямо из поиска или плеера.
- US20240046964A1
- 2023-10-17
Как Google адаптирует понимание запроса, ранжирование и формат выдачи в зависимости от типа устройства пользователя (смартфон vs. часы)
Google определяет тип устройства пользователя (например, смартфон или умные часы) и на основе этого предполагает его намерение (интент). Система модифицирует исходный запрос, изменяет ранжирование и форматирует результаты, чтобы предоставить наиболее релевантный и удобный ответ для конкретного устройства и контекста использования.
- US20160299978A1
- 2015-04-13
Как Google использует краудсорсинг для понимания фактологических запросов и создания шаблонов ответов
Google использует метод масштабирования понимания фактологических запросов. Система показывает пользователям факт (например, «Рост Барака Обамы 6'1"») и просит их предложить запросы, которые ведут к этому факту. Полученные запросы нормализуются, фильтруются и обобщаются в шаблоны (например, «какой рост у [Person]»). Эти шаблоны связываются с базой знаний, позволяя системе отвечать на аналогичные вопросы о других сущностях.
- US9037568B1
- 2013-03-15
Как Google разбирает сложные слова в запросе на части и подбирает синонимы к каждой части
Google использует механизм онлайн-декомпозиции для разбора сложных или составных слов в запросе (например, "vlcmediaplayer") на отдельные компоненты ("vlc", "media", "player") прямо во время поиска. Система определяет наилучший вариант разбивки, основываясь на частотности слов в интернете. Затем она подбирает синонимы к каждому компоненту, включая синонимы синонимов (транзитивность), и использует их для расширения запроса.
- US8392441B1
- 2010-08-13
Как Google кластеризует новостные результаты для генерации блоков "Связанные темы" и "Категории"
Google анализирует результаты поиска по новостям и группирует статьи, освещающие одно и то же событие, в кластеры. Затем система извлекает общие ключевые слова из этих кластеров для формирования блока "Связанные темы" (Related Topics), помогая уточнить запрос. Одновременно определяется широкая категория новостей (например, "Спорт"), из которой предлагается дополнительный контент для расширения контекста.
- US11194868B1
- 2018-09-28
Как Google объединяет изображения и текст в мультимодальном поиске для уточнения визуальных запросов
Google использует модель уточнения запросов для мультимодального поиска (например, в Google Lens). Система принимает эмбеддинг исходного изображения и текстовое уточнение от пользователя. Модель генерирует новый, уточненный эмбеддинг изображения, который объединяет визуальные данные с текстовым интентом. Этот новый эмбеддинг используется для поиска релевантных изображений в общем пространстве эмбеддингов, позволяя пользователям итеративно уточнять визуальный поиск текстом.
- US20240370487A1
- 2022-11-04
Как Google позволяет внешним экспертам настраивать поисковую выдачу и таргетировать рекламу с помощью контекстных файлов
Google использует систему, позволяющую владельцам тематических (вертикальных) сайтов программно управлять поведением поисковой системы с помощью «Файлов Контекста». Эти файлы содержат инструкции по модификации запроса, выбору коллекций документов для поиска, фильтрации и аннотированию результатов. Это позволяет адаптировать поиск под конкретный интент пользователя (например, покупка или техподдержка) и использовать этот же контекст для более точного таргетинга рекламы.
- US20160299983A1 (Заявка)
- 2016-06-20 (Продолжение заявки от 2005-08-10)
Как Google создает новые поисковые подсказки (Autocomplete), комбинируя структуры и термины из прошлых запросов
Google расширяет покрытие поисковых подсказок (Autocomplete), создавая новые, ранее не использованные запросы. Система анализирует логи, находит запросы с похожей структурой (шаблоны), определяет семантически близкие термины (используя distributional similarity) и комбинирует их. Это позволяет предлагать пользователям релевантные подсказки, даже если такой запрос никогда ранее не вводился.
- US8521739B1
- 2011-11-29
Как Google использует визуальный контекст и значимость сущностей для рекомендации контента без явного запроса пользователя
Google использует систему для анализа контента, отображаемого на экране пользователя (например, веб-страницы или приложения). Система определяет ключевые сущности и оценивает их важность на основе визуального представления (шрифт, позиция, частота). Затем она автоматически генерирует невидимые запросы, комбинируя эти сущности, и рекомендует свежие тематические ресурсы (например, новости), релевантные наиболее важным комбинациям.
- US10467300B1
- 2016-12-22
Как Google использует обобщенные запросы для проверки визуального соответствия в Поиске по Картинкам
Google использует этот механизм для повышения точности поиска изображений, когда запрос содержит визуальные ограничения (например, ракурс или контекст). Система генерирует более общий запрос (например, «автомобиль вид сбоку» вместо «Subaru вид сбоку»), чтобы понять, как выглядит это ограничение в данной категории. Затем эти знания используются для фильтрации или переранжирования результатов исходного запроса, отдавая предпочтение изображениям, которые визуально соответствуют намерению пользователя.
- US8751530B1
- 2012-08-02
Как Google использует личные данные (Gmail, историю местоположений) для ответов на запросы о посещенных местах
Google анализирует личные данные пользователя (электронные письма, данные о местоположении, календари) для ответа на запросы типа «рестораны, которые я посетил в Атланте». Система определяет, является ли запрос «персональным локационным», извлекает релевантные взаимодействия из приватного индекса пользователя и обогащает их публичными данными о сущности (адрес, телефон), отображая эти персональные результаты над стандартной органической выдачей.
- US10089394B2
- 2013-07-11
Как Google предлагает категории для уточнения запроса на основе анализа топа выдачи (особенно в локальном поиске)
Google анализирует категории (например, из бизнес-справочников), к которым принадлежат топовые результаты по запросу пользователя. Наиболее релевантные или часто встречающиеся категории предлагаются пользователю для уточнения или сужения поиска, что особенно актуально для локальных запросов и поиска организаций.
- US7523099B1
- 2004-12-30
Как Google использует частичные запросы, логи и профили пользователей для формирования подсказок (Autocomplete) и предварительной загрузки результатов
Патент описывает технологию Google Autocomplete (Suggest). Система предсказывает финальный запрос на основе частично введенного текста, используя словари, составленные из популярных запросов сообщества. Предсказания ранжируются по популярности и персонализируются с учетом профиля пользователя. Система также может заранее кэшировать результаты для наиболее вероятных подсказок, чтобы ускорить выдачу.
- US7836044B2
- 2004-06-22
Как Google определяет тематику и интент запроса, анализируя контент уже ранжирующихся страниц в выдаче
Google использует метод классификации запросов, который анализирует не сам текст запроса, а контент (URL, заголовки, сниппеты) страниц, находящихся в топе выдачи по этому запросу. Сравнивая набор терминов из этих результатов с эталонными профилями разных тематик или типов контента (Новости, Видео, Картинки), система определяет интент пользователя и решает, какие вертикали поиска активировать.
- US8756218B1
- 2011-08-16
Как Google автоматически определяет поисковые запросы в URL-адресах рефереров для таргетинга рекламы
Google использует систему для автоматического определения того, какой параметр в URL предыдущей посещенной страницы содержит поисковый запрос пользователя. Анализируя разнообразие значений параметров (Diversity Metric), система создает шаблоны для извлечения этих запросов из реферальных URL. Извлеченные данные затем используются для показа релевантной рекламы на текущей странице.
- US9330093B1
- 2012-08-02
Как Google понимает контекст последовательных запросов и переписывает их для уточнения интента пользователя
Google использует систему для интерпретации серийных запросов, особенно в голосовом поиске. Если новый запрос является уточнением предыдущего (например, [погода завтра], затем [а во вторник]), система генерирует варианты, комбинируя старый и новый интенты. Затем она ранжирует эти варианты на основе популярности и семантической логики, чтобы выполнить наиболее вероятный итоговый запрос пользователя ([погода во вторник]).
- US9165028B1
- 2013-07-24
Как Google использует Knowledge Graph для генерации коллекций связанных сущностей и облегчения навигации в поиске
Google использует этот механизм для помощи пользователям в изучении тем, связанных с их исходным запросом. Когда пользователь ищет коллекцию сущностей (например, «Романтические фильмы»), система анализирует связи этих сущностей в Knowledge Graph (например, кто режиссер, кто актер). На основе этих связей (триплетов) система генерирует и предлагает пользователю новые коллекции для изучения (например, «Актеры романтических фильмов»).
- US20160063106A1
- 2012-08-08
Как Google использует мультимодальные модели и парсинг диаграмм для понимания визуальных запросов и решения задач по фото
Google использует передовые методы для интерпретации изображений, содержащих диаграммы (например, задачи по геометрии, физике, химии). Система преобразует визуальную информацию либо в формальное языковое представление, либо в мультимодальный эмбеддинг для генерации текстового запроса. Это позволяет пользователям получать решения, пошаговые инструкции и похожие задачи, просто загрузив фотографию диаграммы.
- US20240152546A1
- 2023-11-06
Как Google обучается распознавать синонимы, анализируя текст сниппетов в результатах поиска
Google использует текст сниппетов для улучшения систем понимания запросов. Анализируя, какие слова часто появляются в сниппетах релевантных или кликабельных результатов, система выявляет потенциальные синонимы для исходных ключевых слов. Это позволяет автоматически расширять будущие запросы, включая эти синонимы для повышения полноты выдачи.
- US20140358904A1
- 2012-08-02