Семантика и интент в Google: разборы патентов
Детальные разборы патентов Google, связанные с семантикой, поисковыми запросами и интентами
Как Google использует контекст пользователя (местоположение, время, историю) для предсказания поискового намерения в локальном поиске (Queryless Search)
Google использует механизм предиктивного поиска (Queryless Search), который анализирует местоположение пользователя, время суток, историю поиска и историю перемещений. На основе этих данных система автоматически предлагает релевантные категории (например, "Рестораны", "Бары") еще до ввода запроса. Система адаптирует предложения в зависимости от знакомства пользователя с локацией и фильтрует результаты по времени работы и близости.
- US9529867B1
- 2013-09-19
Как Google анализирует поведение пользователей для выбора разнообразных связанных запросов и диверсификации контента на выдаче
Google использует механизм для диверсификации предложений на странице результатов (например, связанных запросов или рекламных блоков), основанный на анализе сессий пользователей. Система отбирает подсказки, которые часто следуют за исходным запросом (высокая «Utility»), но при этом редко следуют друг за другом (высокая «Diversity»). Это позволяет покрыть разные намерения пользователя, исходящие из одного неоднозначного запроса.
- US8631030B1
- 2010-12-28
Как Google проактивно формирует путеводители, анализируя разрозненные действия пользователя для предсказания его поездок
Google патентует систему для предсказания будущих поездок пользователя путем анализа его действий (поисковые запросы, электронные письма, просмотры веб-страниц). Система связывает эти действия с сущностями и локациями, вычисляет вероятность поездки и проактивно предоставляет сводную информацию (путеводитель) без прямого запроса пользователя. Это механизм для систем типа Google Discover, фокусирующийся на долгосрочном понимании намерений пользователя.
- US9146116B1
- 2014-06-04
Как Google использует сущности, шаблоны и Knowledge Graph для уточнения смысла поисковых подсказок (Autocomplete)
Google анализирует поисковые подсказки, чтобы определить, ссылаются ли они на конкретные сущности или являются неоднозначными. Для уточнения смысла система добавляет семантические описания (например, «britney spears - Singer»). Эти описания генерируются на основе данных из Knowledge Graph, анализа авторитетных документов (например, Wikipedia) или предопределенных шаблонов для типов сущностей (например, «Movie [year]»). Это помогает пользователю выбрать правильный интент и может приводить к скрытому переписыванию запроса системой.
- US20160217181A1
- 2013-03-14
Как Google кластеризует похожие страницы, анализируя, куда пользователи переходят дальше (Co-visitation)
Google анализирует навигационные пути пользователей для определения схожести документов. Если после просмотра Страницы А и Страницы Б пользователи часто переходят к одному и тому же набору последующих страниц, Google считает Страницу А и Страницу Б похожими и объединяет их в кластер. Этот механизм позволяет определять тематическую близость на основе поведения пользователей.
- US8650196B1
- 2011-09-30
Как Google использует контекст просмотра ТВ для модификации поисковых запросов в реальном времени
Google анализирует время, местоположение и содержание поискового запроса пользователя, сопоставляя их с данными о телепрограммах, транслируемых в данный момент. Если система предполагает, что запрос связан с просматриваемой передачей, она автоматически дополняет исходный запрос терминами из этой передачи для предоставления более релевантных результатов.
- US8839303B2
- 2011-06-30
Как Google автоматически извлекает и анализирует отзывы о компаниях из интернета
Google использует систему для автоматического поиска и анализа отзывов о сущностях (например, компаниях) на веб-страницах. Система идентифицирует информацию о компании (название, адрес), извлекает текст рядом с ней и применяет анализ тональности (Sentiment Analysis), чтобы определить, является ли этот текст отзывом и какова его эмоциональная окраска.
- US20150112981A1
- 2009-12-14
Как Google анализирует последовательность запросов в сессии для предсказания следующего шага пользователя
Google отслеживает последовательность запросов пользователя в текущей поисковой сессии и сравнивает её с миллионами исторических сессий. Если текущий путь поиска совпадает с популярными маршрутами других пользователей, система предлагает наиболее частые следующие или завершающие запросы из этих данных. Это механизм для генерации контекстных подсказок, помогающих пользователю быстрее завершить задачу.
- US8725756B1
- 2008-11-11
Как Google использует историю физических перемещений пользователя для фильтрации и персонализации результатов поиска
Google может собирать и хранить историю физических перемещений пользователя (Location History). Патент описывает интерфейс, позволяющий пользователю осознанно включать свои прошлые местоположения (например, «места, где я был на прошлой неделе») в качестве фильтра для нового поискового запроса, чтобы сделать результаты более релевантными личному опыту.
- US8874594B2
- 2013-02-06
Как Google динамически генерирует фильтры (теги) в выдаче на основе контента ранжируемых страниц
Google использует механизм для автоматического создания фильтров поисковой выдачи (например, в виде тегов или «пузырьков»). Система анализирует контент страниц, уже отобранных для показа по запросу, извлекает из них ключевые слова и проверяет их полезность, используя данные о поведении пользователей. Затем система отбирает наиболее релевантные и разнообразные фильтры, позволяя пользователю уточнить свой интент в один клик.
- US10242112B2
- 2016-06-15
Как Google извлекает факты из веб-страниц для прямых ответов и автоматического наполнения Knowledge Graph
Google использует систему для ответов на вопросительные запросы. Система анализирует текстовые сниппеты из результатов поиска, применяет NLP-анализ (аннотирование) для извлечения кандидатов в ответы и выбирает лучший на основе консенсуса и качества источников. Этот механизм используется как для предоставления прямых ответов пользователям (Featured Snippets), так и для автоматического поиска недостающей информации и обновления базы знаний (Entity Database).
- US20160132501A1
- 2015-05-11
Как Google анализирует поисковые запросы, разделяя географию пользователя, географию интента и вертикаль рынка
Google использует систему для глубокого анализа логов поисковых запросов. Определяется местоположение пользователя (источник), географическое место, упомянутое в запросе (назначение), и тематическая категория (вертикаль рынка). Эти данные индексируются, позволяя аналитикам и рекламодателям изучать тренды, например, как часто пользователи из США ищут отели в Германии и какие ключевые слова они используют.
- US20160041999A1
- 2012-07-23
Как Google использует поведение пользователей для автоматического перевода запросов в поиске по картинкам и видео
Google улучшает поиск по визуальному контенту (картинки, видео), анализируя, как пользователи переформулируют запросы на других языках в рамках одной сессии. Если пользователь ввел запрос на одном языке, а затем его перевод на другом, система запоминает эту связь («двуязычное уточнение»). В дальнейшем система автоматически добавляет самый популярный перевод к исходному запросу, чтобы показать больше релевантных результатов на разных языках.
- US8577909B1
- 2009-06-09
Как Google автоматически запускает нативные приложения в ответ на поисковый запрос, минуя SERP
Google использует механизм для автоматического запуска нативных приложений в ответ на определенные поисковые запросы. Если система определяет, что запрос имеет четкое намерение использовать конкретное приложение ("Focus Intent") и это приложение значительно превосходит другие результаты в ранжировании, Google может запустить его напрямую, минуя страницу результатов поиска (SERP). Система также учитывает обратную связь от пользователей, прекращая автозапуск, если пользователи часто сразу закрывают приложение.
- US9524347B1
- 2014-04-01
Как Google использует совместное посещение сайтов в рамках одной сессии (Co-visitation) для классификации ресурсов по темам
Google анализирует, какие ресурсы пользователи посещают в рамках одной сессии (поисковой или браузерной). Если пользователь посещает известный ресурс по теме А, а затем в той же сессии посещает новый ресурс Б (даже в ответ на другой запрос), система предполагает, что ресурс Б также связан с темой А. Этот механизм позволяет автоматически классифицировать контент на основе реального поведения пользователей.
- US20140108376A1
- 2008-11-26
Как Google использует машинное обучение для предсказания повторяющихся запросов и предоставления динамических результатов
Google использует систему машинного обучения для анализа контекста и поведения пользователей, чтобы предсказать, какие запросы будут повторяться в будущем. Для этих «повторяемых запросов» система упрощает ввод через ярлыки или меню. При повторном выполнении Google может намеренно изменять выдачу, предоставляя динамические результаты, и приоритизировать сканирование связанного контента.
- US11868417B2
- 2019-11-06
Как Google использует радар для понимания жестов и физического состояния пользователя при обработке поисковых запросов
Google патентует технологию использования радарных систем (например, Project Soli) для улучшения поиска путем интерпретации физических жестов и физиологических данных пользователя в реальном времени. Система может распознать, куда указывает пользователь или в каком направлении он движется, и использовать эту информацию для уточнения поискового запроса (например, поиск кафе в направлении движения) или даже для инициирования поиска без текстового ввода.
- US11169988B2
- 2014-10-01
Как Google использует клики пользователей для генерации альтернативных запросов и автоматической разметки изображений
Google анализирует исторические данные о том, какие запросы приводили к кликам по конкретному изображению. Эти запросы используются как автоматические метки (labels) для индексации и как предлагаемые альтернативные запросы при взаимодействии пользователя с этим изображением в выдаче. Система позволяет уточнять поиск на основе коллективного поведения и переносить метки между визуально похожими изображениями.
- US20150161175A1
- 2008-02-08
Как Google ранжирует документы, используя качество источника, свежесть, оригинальность и кластеризацию контента
Google оценивает документы, анализируя авторитетность и экспертизу источника публикации, свежесть контента и его оригинальность. Документы группируются в кластеры по темам (например, новостные сюжеты). Оценка кластера (например, разнообразие и важность источников внутри него) также влияет на ранжирование отдельных документов.
- US8090717B1
- 2003-06-30
Как Google (YouTube) динамически приоритизирует каверы и альтернативные версии песен в блоке рекомендаций
Google использует механизм для улучшения рекомендаций на контент-платформах (например, YouTube). Когда пользователь проявляет интерес к конкретной песне в просматриваемом видео (явно или неявно), система идентифицирует другие видео, содержащие альтернативные версии этой же песни (каверы, живые выступления). Затем блок рекомендаций обновляется, чтобы приоритизировать показ этих альтернативных версий над стандартными похожими видео.
- US10345998B2
- 2016-11-10
Как Google меняет формат выдачи в вертикальном поиске на основе уверенности в интенте и какие факторы использует для оценки качества
Google использует механизм адаптации интерфейса в вертикальном поиске (например, Google Books или Shopping). Если система уверена, что результат №1 значительно релевантнее №2, он отображается заметно крупнее. Патент детализирует факторы оценки качества объекта (Quality Information), такие как репутация автора/бренда, продажи, внешнее признание и ссылочный вес связанных веб-сайтов, что дает ключевые инсайты для E-E-A-T.
- US9141674B2
- 2013-03-14
Как Google использует контекст автора (Creator Context) для понимания и ранжирования пользовательского контента (UGC) и социальных сетей
Google использует модели машинного обучения для оценки релевантности пользовательского контента (например, постов в социальных сетях). Система учитывает не только текст поста, но и контекст его автора (биографию, экспертизу, местоположение). Это позволяет точнее интерпретировать короткие или неоднозначные публикации и повышать в выдаче контент от авторитетных источников.
- US20250156488A1
- 2023-11-15
Как Google использует данные социальных сетей, интересы и членство в сообществах для персонализации и расширения поисковых запросов
Google использует информацию из социальных сетей для персонализации поиска. Система анализирует профиль пользователя, его членство в сообществах (группах по интересам) и даже профили связанных с ним людей. На основе этих данных система может расширять исходный запрос пользователя дополнительными терминами или фокусировать поиск на предпочтительных сайтах, чтобы предоставить результаты, соответствующие контексту и интересам пользователя.
- US8832132B1
- 2004-06-22
Как Google использует превью изображений, Hovercards и механизм отклонения для управления связанными запросами
Google использует механизм для улучшения взаимодействия с блоками связанных запросов (Related Searches), особенно в поиске изображений. Система отображает текстовые подсказки вместе с релевантными превью-изображениями. При наведении курсора показывается всплывающее окно (Hovercard) с дополнительными результатами. Пользователи могут отклонять нерелевантные подсказки, что служит сигналом обратной связи для системы и позволяет отобразить новые предложения.
- US8645360B2
- 2011-11-03
Как Google объединяет данные из разных источников в единый Граф Знаний с помощью двухфазной системы построения
Google использует двухфазную систему для создания Графа Знаний. Сначала данные из разных источников (например, Wikipedia, коммерческие базы данных) приводятся к единому формату идентификаторов (Reconciliation Phase). Затем эти нормализованные данные объединяются в единый граф, при этом устраняются дубликаты и разрешаются конфликты (Build Phase). Это позволяет создавать разные версии графа для разных нужд и эффективно управлять качеством данных.
- US9342622B2
- 2013-06-27
Как Google автоматически оценивает и удаляет неэффективные синонимы и правила расширения запросов
Google использует механизм для оценки эффективности правил подстановки (синонимов). Если подставленный термин редко встречается в топовых результатах поиска или если пользователи не кликают на результаты, содержащие этот термин, система автоматически удаляет или понижает уверенность в этом правиле. Это позволяет поддерживать качество и точность понимания запросов.
- US8600973B1
- 2012-01-03
Как Google агрегирует новости, блоги и форумы в «Кластеры историй» и ранжирует комментарии на основе аккредитации и экспертности авторов
Патент Google, описывающий систему агрегации новостного контента из разных жанров (СМИ, блоги, форумы) в единые «Кластеры историй». Система ранжирует эти кластеры, учитывая жанр источника, и применяет сложный алгоритм для ранжирования комментариев, отдавая приоритет «аккредитованным» экспертам и лицам, непосредственно упомянутым в новостях.
- US9760629B1
- 2012-09-14 (Продолжение заявки от 2004-12-29)
Как Google автоматически создает и ранжирует шаблоны запросов с сущностями для улучшения поисковых подсказок (Autocomplete)
Google использует систему для автоматического обнаружения паттернов в поисковых запросах, которые включают фиксированные термины и сущности из определенной категории (например, «рестораны в [городе]»). Система генерирует шаблоны запросов, оценивает их качество на основе частоты использования, разнообразия сущностей и их распределения, а затем использует эти шаблоны для формирования более точных и структурированных поисковых подсказок в реальном времени.
- US9529856B2
- 2013-06-03
Как Google использует теги внутри видео, социальные связи и одобрения для генерации персонализированных рекомендаций
Google использует систему рекомендаций, анализирующую элементы (людей, объекты, места), отмеченные тегами непосредственно внутри видео. Система находит связанный контент, содержащий те же элементы. Если в видео отмечен человек, система может рекомендовать контент, который этот человек одобрил (смотрел, лайкнул), учитывая силу социальной связи между ним и зрителем, при строгом соблюдении настроек конфиденциальности.
- US9639634B1
- 2014-01-28
Как Google ранжирует результаты для контекстного (неявного) поиска на основе форматирования контента и поведения пользователя
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 (форматирование, капитализация, TF-IDF) и предпочтения пользователя (клики, типы файлов).
- US7693825B2
- 2004-03-31