Семантика и интент в Google: разборы патентов
Детальные разборы патентов Google, связанные с семантикой, поисковыми запросами и интентами
Как Google планирует использовать «Snippet Packets» для сохранения, курирования и публикации фрагментов веб-страниц как нового формата контента
Google разработал механизм «Snippet Packet», позволяющий пользователям сохранять определенный контент (текст, изображения) с веб-страницы. Пакет включает сам контент, URL и точные данные о местоположении (например, Text Fragments). Система генерирует интерактивные графические карточки для обмена и потенциальной публикации в вебе, позволяя пользователям возвращаться точно к исходному месту на странице.
- US12038997B2
- 2022-12-15
Как Google использует контент открытого документа пользователя для уточнения автодополнений (Autocomplete) поискового запроса
Google использует механизм для персонализации предложений автодополнения (Autocomplete) на основе контента документа, который пользователь просматривает или редактирует в данный момент. Система сравнивает семантику текущего документа пользователя с результатами поиска по потенциальным вариантам завершения запроса. Варианты, чьи результаты поиска наиболее похожи на контекст документа пользователя, повышаются в списке предложений.
- US9135250B1
- 2013-02-22
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 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 планирует заменить традиционный поисковый индекс единой нейросетью (Differentiable Search Index)
Анализ заявки на патент Google, описывающей радикально новую архитектуру поиска — Differentiable Search Index (DSI). В этой парадигме традиционный поисковый индекс (инвертированный или векторный) заменяется единой нейросетью (например, Transformer). Вся информация о корпусе документов сжимается и хранится непосредственно в параметрах модели. Модель обучается напрямую преобразовывать текст запроса в идентификатор релевантного документа (docid), минуя традиционные этапы поиска по индексу.
- US20250165469A1 (Application)
- 2023-02-09 (PCT Filed); 2022-02-09 (Provisional)
Как Google идентифицирует и ранжирует людей, связанных с запросом, и различает однофамильцев с помощью контекста
Google использует механизм для определения людей, наиболее релевантных поисковому запросу. Система анализирует контекст вокруг имен в документах, используя «термины классификации» (например, должности, локации, email), чтобы сгруппировать упоминания и различить людей с одинаковыми именами (дисамбигуация). Это позволяет точно идентифицировать сущности и организовать выдачу вокруг них.
- US9245022B2
- 2010-12-30
Как Google использует анализ контента в топе выдачи для активации "слабых" синонимов и уточнения запроса
Google анализирует термины, которые необычно часто встречаются в первоначальных результатах поиска (сверхпредставленные термины). Если такой термин является потенциальным, но слабым синонимом для слова из запроса, система активирует эту связь и перезапускает поиск с уточненным запросом. Это позволяет контекстуально улучшать запрос на лету, используя специализированную лексику, доминирующую в нише.
- US9152698B1
- 2012-01-03
Как Google автоматически классифицирует сущности в Knowledge Graph с помощью "Коллекций"
Google использует систему для автоматического создания и категоризации групп сущностей ("Коллекций") в Knowledge Graph на основе общих признаков. Патент описывает язык правил для определения принадлежности к коллекции и высокоэффективный механизм, который проверяет сущность на соответствие всем коллекциям за один проход, обеспечивая масштабируемость и актуальность данных.
- US20150100605A1
- 2014-02-21
Как Google автоматически определяет ключевые темы в медиапотоках (ТВ, аудио, текст) и использует механизм "Boosting" для поиска релевантного контента
Система анализирует мультимедийные потоки (например, ТВ-трансляции) в реальном времени, преобразует их в текст и автоматически генерирует поисковые запросы. Используются классические методы IR (TF-IDF, стемминг, анализ контекста). Ключевой особенностью является механизм пост-обработки "Boosting", который переранжирует результаты поиска на основе дополнительного контекста, не вошедшего в исходный запрос.
- US8868543B1
- 2003-04-08
Как Google трансформирует табличные данные (фиды, spreadsheets, HTML-таблицы) в структурированный Граф Знаний
Google использует системы для преобразования неструктурированных табличных данных (например, из spreadsheets, HTML-таблиц или продуктовых фидов) в структурированный граф знаний. Патент описывает механизмы импорта таблиц, автоматического создания сущностей и связей, а также процесс сверки (reconciliation) для связи данных с существующими сущностями во внешних графах (Knowledge Graph).
- US9798829B1
- 2013-10-22
Как Google объединяет данные из RSS-фидов, веб-страниц и профилей авторов для индексации и ранжирования блогов
Google создает "гибридный документ" для индексации блогов, объединяя информацию из разных источников: контент поста, данные из RSS/Atom фида, контекст всего блога (например, блогролл) и внешние связанные страницы (например, профиль автора). Это позволяет точнее определять релевантность и использовать контекстные сигналы для ранжирования отдельных постов.
- US7765209B1
- 2005-09-13
Как Google использует единый Image Embedding для параллельного поиска по разным вертикалям (Web, Shopping, Local) при визуальном запросе
Google патентует механизм для улучшения визуального поиска (например, Google Lens). Система генерирует единое векторное представление (Image Embedding) для изображения-запроса и использует его для одновременного поиска визуально похожих результатов в нескольких разных базах данных (например, в общем веб-индексе и специализированном индексе товаров или локаций). Контекст пользователя (местоположение, история) помогает системе выбрать, какие специализированные базы активировать для поиска.
- US20240311421A1 (Application)
- 2023-03-13
Как Google обрабатывает неоднозначные запросы с устройств с ограниченным вводом, используя логическое "ИЛИ" и логи прошлых поисковых запросов
Система обрабатывает неоднозначные входные данные, например, цифровую последовательность с телефонной клавиатуры, преобразуя их во все возможные буквенные комбинации. Эти комбинации проверяются по лексикону (включая словарь и журнал прошлых запросов) и отправляются в поисковую систему как единый запрос с оператором «ИЛИ». Это позволяет поисковой системе вернуть релевантные результаты, отфильтровав неправдоподобные интерпретации.
- US7136854B2
- 2000-12-26
Как Google использует взаимодействие с выдачей и контекст для уточнения временных рамок поиска
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» ночью), или анализом того, какие результаты выбирает пользователь из первоначальной выдачи (например, выбор зимних фотографий). На основе этого уточненного временного контекста выдача перестраивается.
- US8977609B1
- 2012-09-14
Как Google итеративно уточняет и редактирует голосовые запросы пользователя в реальном времени
Google использует систему для обработки сложных или неточных запросов на естественном языке. Система преобразует речь пользователя в структурированный запрос (категории и переменные) и позволяет пользователю итеративно редактировать отдельные элементы этого запроса с помощью последующих голосовых команд, не повторяя весь запрос заново. Это улучшает понимание намерений пользователя в диалоговых интерфейсах.
- US10318586B1
- 2014-08-19
Как Google анализирует видимый контент на экране пользователя для предоставления контекстной информации без ввода запроса (Contextual Search)
Google использует механизм для анализа контента, активно отображаемого на экране устройства (веб-страницы, приложения, чаты). По общему триггеру (например, долгое нажатие или жест) система идентифицирует ключевые сущности только в видимой области. Она определяет их важность на основе визуального представления (размер, цвет, позиция) и типа контента, причем логика определения важности адаптируется (например, в чате приоритет у недавних сообщений внизу экрана).
- US11003667B1
- 2016-05-27
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 обогащает сниппеты брендов контентом из их социальных сетей при навигационных запросах
Google использует механизм для улучшения результатов по навигационным (брендовым) запросам. Система определяет официальную страницу субъекта в социальной сети и извлекает оттуда свежий или релевантный контент (например, последние посты или изображения). Этот контент затем комбинируется непосредственно со стандартным сниппетом официального сайта субъекта в поисковой выдаче, делая результат более актуальным и информативным.
- US8799276B1
- 2012-05-30
Как Google использует анализ совместной встречаемости слов для проверки синонимов и определения значимых контекстов запроса
Google анализирует, какие слова часто появляются вместе в поисковых запросах (совместная встречаемость), чтобы определить, является ли один термин хорошей заменой для другого (синонимом). Кроме того, система оценивает, насколько конкретный контекст (соседние слова) уточняет смысл запроса, и отфильтровывает неинформативные контексты для повышения точности понимания запросов.
- US8682907B1
- 2012-03-30
Как Google использует анализ совместных поисковых сессий для выявления запросов о неприемлемом или запрещенном контенте
Google анализирует поисковые сессии пользователей для обучения классификатора, выявляющего запросы о неприемлемом контенте (например, насилии, CSAM, терроризме). Система отслеживает, какие еще запросы вводил пользователь незадолго до или после ввода уже известного "плохого" запроса. Это позволяет автоматически расширять базу данных для фильтрации и модерации поисковой выдачи.
- US9959354B2
- 2015-06-23
Как Google использует мультимодальный поиск (текст + изображение) для уточнения запросов и фильтрации видеоконтента
Google использует механизм мультимодального поиска, позволяющий пользователям дополнять текстовые запросы визуальным вводом (например, фотографией). Система анализирует изображение с помощью моделей машинного обучения для распознавания объектов и генерации семантической информации. Эта информация используется либо для создания уточненного составного запроса (composite query), либо для фильтрации исходных результатов поиска путем сопоставления метаданных изображения с метаданными проиндексированного видеоконтента.
- US20210064652A1
- 2020-09-03
Как Google автоматически генерирует и выполняет поисковые запросы на основе того, что пользователь смотрит или слушает
Google патентует систему проактивного поиска для "второго экрана". Анализируя исторические данные, система определяет, что пользователи ищут во время просмотра контента (фильма, матча). Когда новый пользователь смотрит этот контент, система распознает его (например, по звуку) и автоматически выполняет релевантные запросы в нужный момент, показывая свежие результаты без ручного ввода.
- US10545954B2
- 2017-03-15
Как Google распознает, согласовывает и упорядочивает сериализованный контент (книги, фильмы) из разрозненных источников
Google использует алгоритмы для анализа информации о контенте (например, книгах, фильмах, сериалах) из множества источников. Система создает записи, кластеризует их для выявления серий, определяет канонические названия серий и отдельных произведений, а затем упорядочивает их последовательность. Это позволяет структурировать разрозненные и противоречивые данные для улучшения поисковой выдачи и формирования Графа Знаний.
- US9244919B2
- 2013-02-19
Как Google строит инфраструктуру поиска на основе фраз и оптимизирует извлечение концепций из контента
Патент описывает комплексную систему поиска, которая индексирует документы на основе фраз, а не отдельных слов. Он детализирует процесс извлечения фраз (Phrase Extraction), учитывающий структуру и форматирование контента. Для хранения этого индекса используется многоуровневая (Tiers) и шардированная (Shards) архитектура, которая оптимизирует скорость поиска и снижает нагрузку на серверы.
- US7693813B1
- 2007-03-30
Как Google может генерировать альтернативные запросы из контента страниц и встраивать их в сниппеты
Google использует механизм для помощи пользователям в уточнении их поискового намерения. Система анализирует текст веб-страниц в результатах поиска и находит фразы, похожие на исходный запрос или характеризующие документ. Эти фразы затем встраиваются непосредственно в сниппеты как кликабельные предложения для нового поиска, облегчая навигацию и уточнение запроса.
- US9183323B1
- 2008-06-27
Как Google использует языковую статистику для умного добавления акцентов и синонимов в запросы
Google анализирует, как слова пишутся в разных языках (с акцентами, диграфами или транслитерацией), и создает "карту синонимов". При получении запроса система определяет его вероятный язык и статистически выбирает только те варианты написания (синонимы), которые наиболее распространены именно в этом языке, избегая добавления нерелевантных вариантов из других языков.
- US7475063B2
- 2006-04-19
Как Google интегрирует результаты поиска и контекстные подсказки непосредственно в интерфейс браузера и приложений (Основы Omnibox и Google Desktop)
Патент Google, описывающий механизмы динамического изменения пользовательского интерфейса путем вставки контекстуальных результатов поиска или запросов к пользователю. Система анализирует элементы просматриваемого контента ("аспекты") и внедряет связанную информацию ("вставки") из локального индекса (история, файлы) или глобального поиска. Это закладывает основу для функций автодополнения в адресной строке (Autocomplete/Omnibox) и контекстного поиска.
- US20090276408A1
- 2009-07-16 (Приоритетная дата: 2004-03-31)
Как Google выбирает изображения для блоков с ответами (Featured Snippets), обеспечивая контекст и скорость
Google использует многоэтапный процесс для выбора изображений, отображаемых рядом с прямыми ответами на вопросы. Система генерирует отдельный запрос для поиска изображений на основе темы вопроса и заранее оценивает изображения на релевантных страницах. Когда источник текстового ответа определен, Google отдает предпочтение лучшему изображению с этой же страницы, гарантируя его контекстуальную связь с ответом.
- US10691746B2
- 2016-07-12
Как Google в реальном времени вычисляет схожесть между сущностями (сайтами, запросами, пользователями) внутри конкретных тематических категорий
Google использует инфраструктурное решение для мгновенного расчета сложных метрик схожести (например, Personalized PageRank) в огромных графах связей (например, Документы и Запросы). Система заранее разбивает граф на тематические категории и создает компактные подграфы (Reduction). Это позволяет в реальном времени оценивать тематическую близость контента или интересов пользователей (Aggregation), минуя обработку всего массива данных.
- US10152557B2
- 2014-05-15
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