Семантика и интент в Google: разборы патентов
Детальные разборы патентов Google, связанные с семантикой, поисковыми запросами и интентами
Как Google использует краудсорсинг для выбора и улучшения группировки результатов поиска (например, в магазинах приложений и маркетплейсах)
Google использует масштабируемую систему для организации результатов поиска (таких как приложения или товары) в логические группы (кластеры). Система генерирует множество вариантов кластеризации для запроса, а затем использует краудсорсинговых работников для оценки и выбора наилучшего варианта. Лучший вариант дополнительно уточняется на основе консенсуса работников и сохраняется для использования при будущих запросах.
- US10331681B1
- 2016-04-11
Как Google использует агрегированные интересы социальных групп для персонализации и переранжирования поисковой выдачи
Google патентует механизм «Социальной линзы», позволяющий пользователям уточнять результаты поиска на основе интересов и поведения выбранного социального круга (например, «Коллеги» или «Геймеры»). Система агрегирует историю поиска и веб-активность участников круга в профиль интересов и использует эти данные для переранжирования или фильтрации выдачи, делая ее более релевантной контексту этой группы.
- US9141617B1
- 2012-10-26
Как Google использует архитектуру нейронных сетей «Two-Tower» для семантического поиска и оценки контента
Google использует модель с двумя отдельными нейронными сетями (Two-Tower Model) для понимания семантической релевантности между запросами и контентом. Одна сеть обрабатывает запрос, другая — контент, преобразуя их в векторы (embeddings). Релевантность определяется близостью этих векторов, а не совпадением ключевых слов. Эта архитектура позволяет Google предварительно вычислять векторы для всего контента во время индексации, обеспечивая быстрый семантический поиск в реальном времени.
- US11188824B2
- 2017-03-31
Как Google использует историю медиапотребления и фоновый звук для персонализации поисковых подсказок (Autocomplete)
Google может анализировать историю потребления медиаконтента пользователем (музыка, фильмы) и захватывать фоновый звук (например, играющую музыку) в момент ввода запроса. На основе распознанных сущностей (артисты, названия) система персонализирует поисковые подсказки (Autocomplete), предлагая запросы, связанные с недавно потребленным или текущим контентом.
- US9984075B2
- 2015-10-06
Как Google оценивает отсутствующие факты для Knowledge Graph и объясняет, на чем основана эта оценка
Google использует статистические модели для заполнения пробелов в Knowledge Graph, когда информация о сущности отсутствует. Система вычисляет недостающий факт (например, дату рождения), анализируя связанные данные (например, возраст супруга). Чтобы повысить доверие к этой оценке, Google показывает пользователю объяснение, основанное на наиболее влиятельных фактах, использованных при расчете.
- US9659056B1
- 2013-12-30
Как Google встраивает предлагаемые альтернативные запросы прямо в сниппеты поисковой выдачи
Google может улучшать поисковый опыт, встраивая интерактивные предложения запросов прямо в текстовые сниппеты результатов поиска. Система определяет альтернативные запросы (основываясь на анализе поведения пользователей) и связывает их с конкретными словами в сниппете. Эти слова выделяются (например, подчеркиванием), и пользователь может взаимодействовать с ними, чтобы запустить новый, уточненный поиск.
- US8595252B2
- 2008-09-12
Как Google определяет истинный смысл неоднозначных запросов, сравнивая результаты поисковой выдачи
Google использует механизм для разрешения неоднозначности запросов. Система генерирует несколько возможных интерпретаций (интентов) и создает уточненные (модифицированные) запросы для каждой из них. Затем она сравнивает, насколько результаты поиска по уточненным запросам похожи на результаты по исходному запросу. Интерпретация, чьи результаты наиболее схожи, признается наиболее вероятным намерением пользователя.
- US10353964B2
- 2015-03-11
Как Google использует клики и пропуски (Clicks/Skips) для определения важности порядка слов в запросе
Google анализирует поведение пользователей для оценки правил, которые меняют порядок слов в запросе (Reordering Rules). Если пользователи кликают на результаты с измененным порядком слов, правило считается полезным (Click Count). Если пропускают такие результаты ради нижестоящих (Skip Count), правило отключается. Это позволяет системе автоматически понять, когда порядок слов критичен для смысла запроса, а когда им можно пренебречь.
- US8959103B1
- 2012-05-25
Как Google использует Knowledge Graph для автодополнения фактов и проверки точности информации при создании контента
Система анализирует вводимый текст в редакторах (например, Google Docs или Gmail), распознает сущности и их атрибуты, автоматически запрашивает факты у поисковой системы (Knowledge Graph) и предлагает их для вставки. Также она способна проверять уже введенные факты на точность и предлагать исправления в реальном времени.
- US20150324339A1
- 2014-05-12
Как Google использует популярность сущностей для понимания и структурирования запросов в вертикальном поиске
Google интерпретирует запросы в специализированных доменах (например, медиа, товары, музыка), используя базу данных сущностей с оценками популярности (Entity Scores). Система распознает сущности в запросе, разрешает неоднозначности с помощью этих оценок и контекста, и преобразует неструктурированный текстовый или голосовой запрос в структурированный поиск по конкретным полям (например, ищет имя актера в поле «Актер»).
- US9116918B1
- 2012-11-14
Как Google использует семантическую структуру HTML (списки и заголовки) для расчета расстояния между ключевыми словами
Google анализирует структуру веб-страницы, включая списки и заголовки, чтобы определить семантическое расстояние между ключевыми словами. Система выявляет семантические блоки, даже если они не размечены явными HTML-тегами, путем анализа повторяющихся паттернов форматирования. Расстояние между терминами рассчитывается на основе этой структуры: слова внутри одного элемента списка считаются близкими, а слова в разных элементах — далекими, независимо от физического расстояния.
- US7716216B1
- 2004-03-31
Как Google выбирает и показывает рекламу в поисковых подсказках (Autocomplete) на основе частичного запроса
Google использует систему для показа рекламы в выпадающем меню подсказок (Autocomplete) до того, как пользователь завершит ввод запроса. Система прогнозирует вероятные завершения запроса (Completions) на основе введенной части (Prefix). Затем проводится аукцион для выбора наиболее релевантной и качественной рекламы, связанной с этими вероятными завершениями. Реклама показывается только при высокой уверенности в намерении пользователя.
- US8504437B1
- 2010-11-04
Как Google использует анализ совместной встречаемости слов в запросах для оценки качества синонимов и контекстов
Google оценивает, является ли один термин хорошей заменой (синонимом) для другого, анализируя, какие другие слова часто появляются рядом с ними в поисковых запросах. Система строит векторы частот совместной встречаемости для обоих терминов и сравнивает их. Высокое сходство векторов подтверждает качество замены. Этот же механизм используется для определения того, добавляет ли конкретный контекст значимое семантическое значение к правилу замены.
- US8504562B1
- 2012-04-03
Как Google пессимизирует результаты, содержащие синонимы, если они используются вне контекста исходного запроса
Google классифицирует синонимы на надежные (Non-RLS) и контекстно-зависимые (RLS). Если документ ранжируется благодаря контекстно-зависимому синониму (RLS), но этот синоним используется в документе изолированно (без других слов запроса рядом), система значительно понижает оценку релевантности этого документа, предотвращая ранжирование нерелевантного контента.
- US8631019B1
- 2012-02-13
Как Google использует контекст топ-результатов для валидации синонимов и расширения запросов
Google использует механизм для предотвращения ошибок при расширении запросов синонимами или однокоренными словами. Система генерирует потенциальные альтернативные термины, но добавляет их к запросу только если они подтверждаются контекстом. Контекст определяется анализом терминов, найденных в топовых результатах поиска по исходному запросу. Это гарантирует, что расширение запроса остается семантически релевантным.
- US8055669B1
- 2003-03-03
Как Google использует статистический машинный перевод для определения синонимов с учетом контекста запроса
Google применяет методы статистического машинного перевода (SMT) для расширения запросов в рамках одного языка. Система обучается на параллельных корпусах данных (например, пары Запрос-Сниппет из логов поиска), чтобы находить парафразы и контекстуально релевантные синонимы. Это позволяет Google точно понимать намерение пользователя, даже если ключевые слова многозначны, и улучшать результаты поиска за счет добавления правильных синонимов.
- US9002869B2
- 2008-03-17
Как Google использует графы сущностей для точного семантического сопоставления запросов и контента
Google применяет семантический подход к выбору контента, строя «граф запроса» на основе сущностей в запросе и их связей в Knowledge Graph. Этот граф затем сопоставляется с «графами критериев выбора контента». Система также может автоматически генерировать эти критерии, анализируя целевой контент и выявляя статистически значимые семантические шаблоны.
- US9501530B1
- 2014-04-01
Как Google структурирует базу знаний (Онтологию): концепции, типы связей и направленная семантическая близость
Фундаментальный патент (Applied Semantics), описывающий структуру и методы создания Онтологии (Knowledge Graph). Система определяет концепции (сущности) через группы синонимов, устанавливает иерархические и латеральные связи между ними и присваивает этим связям количественную оценку силы (вес). Ключевая особенность — вес является направленным (асимметричным), что позволяет точно рассчитывать семантическое расстояние.
- US8051104B2
- 2003-12-30
Как Google обогащает оцифрованные документы (например, книги), автоматически находя и встраивая связанный веб-контент
Google улучшает представление оцифрованных документов (книг, статей), определяя их атрибуты (автор, название) и автоматически выполняя веб-поиск связанной информации (обзоров, биографий). Эта информация затем представляется вместе с исходным документом на «Справочной странице» (Reference Page), иногда путем прямого извлечения данных с релевантных веб-сайтов.
- US8386453B2
- 2004-09-30
Как Google использует Information Gain для автоматического определения значимых фраз и построения семантических связей между ними
Google использует статистический метод для автоматического определения «значимых» фраз в корпусе документов. Система анализирует частоту употребления, форматирование (например, анкорный текст) и совместную встречаемость фраз. Используя метрику Information Gain, система выявляет фразы, которые предсказывают появление других фраз, формируя семантические кластеры. Это позволяет поисковой системе понимать контент на уровне концепций, а не отдельных слов.
- US7580921B2
- 2004-07-26
Как Google идентифицирует лексические синонимы (стемминг, акронимы, аббревиатуры) и агрессивно использует их для расширения запросов
Патент описывает гибридную систему Google для генерации синонимов, комбинирующую статистический анализ логов запросов и лингвистический анализ. Ключевая особенность — механизм повышенного доверия к лексическим вариантам (например, словам с общим корнем, акронимам, разному написанию). Если система обнаруживает лексическую связь, она снижает статистические пороги, необходимые для валидации синонима, что позволяет агрессивнее расширять запрос пользователя.
- US9183297B1
- 2009-08-24
Как Google определяет скрытый локальный интент запроса, анализируя аномальную популярность запроса в конкретном регионе
Google анализирует статистику запросов по разным географическим регионам. Если конкретный запрос вводится в определенном регионе значительно чаще, чем ожидалось (по сравнению с базовым регионом), Google классифицирует этот запрос как "локальный" для данной местности. При получении такого запроса от пользователя из этого региона, система автоматически повышает в ранжировании результаты, связанные с местными достопримечательностями или темами, даже если в запросе нет явных указаний на местоположение.
- US9424342B1
- 2010-02-19
Как Google определяет, какие последовательности слов являются значимыми фразами, используя структуру документа и оценку подфраз
Патент описывает алгоритм для автоматического извлечения миллионов значимых фраз (концепций) из корпуса документов. Система анализирует семантические границы в тексте (заголовки, пунктуацию, форматирование) и применяет механизм оценки подфраз (Devolution). Это позволяет отличить устоявшиеся словосочетания от случайных комбинаций слов и построить индекс на основе концепций, а не только отдельных терминов.
- US8166045B1
- 2007-03-30
Как Google стандартизирует и расширяет географическую релевантность сайтов на соседние локации
Google использует систему Семантических Геотокенов для стандартизации упоминаний местоположений на веб-страницах. Система не только определяет точное местоположение, но и ассоциирует ресурс с соседними географическими областями. Это позволяет сайту ранжироваться по запросам в близлежащих локациях, даже если они явно не упомянуты на странице.
- US8949277B1
- 2010-12-30
Как Google связывает запросы с сущностями для формирования выдачи, подсказок и определения доминирующего интента
Google использует систему для определения того, какие сущности (люди, места, объекты) подразумеваются в поисковом запросе. Система анализирует, насколько релевантны топовые документы запросу и насколько центральное место в этих документах занимает конкретная сущность. На основе этого рассчитывается оценка Entity Score, которая определяет ранжирование сущностей для запроса. Этот механизм используется для показа блоков знаний, организации поисковой выдачи и предоставления уточняющих поисковых подсказок.
- US20160224621A1
- 2013-03-13
Как Google использует контекст запроса, местоположение и язык пользователя для распознавания неоднозначных названий локаций
Патент Google описывает систему для определения того, когда неоднозначная фраза в запросе (например, "Orange") относится к местоположению. Система анализирует сопутствующие слова (используя "Location Factors"), местоположение пользователя ("Origin Factor") и язык запроса ("Language Factor"). Это позволяет Google показывать локальные результаты (например, карты) для запросов со скрытым локальным интентом.
- US7987195B1
- 2008-04-08
Как Google использует контекст поисковой сессии для исправления ошибок и уточнения запросов пользователя
Google использует механизм для интеллектуального исправления ошибок в запросах (опечаток или неверно употребленных слов), опираясь на контекст текущей поисковой сессии. Вместо стандартного исправления по словарю, система анализирует предыдущие запросы пользователя, чтобы понять его намерение, и предлагает вариант исправления, который соответствует теме поиска.
- US7953746B1
- 2007-12-07
Как Google использует категоризацию контента и запросов для уточнения релевантности и ранжирования результатов
Google использует систему для улучшения ранжирования, комбинируя стандартную текстовую релевантность с оценкой соответствия категории. Система определяет, насколько сильно документ принадлежит к определенным категориям и насколько сильно запрос соответствует этим же категориям. Если и документ, и запрос сильно совпадают по категории, результат получает повышение в ранжировании. Это особенно важно для E-commerce и контента с четкой структурой.
- US7814085B1
- 2004-02-26
Как Google создает, управляет и использует Репозиторий Фактов (Fact Repository) для поиска по сущностям
Патент описывает архитектуру Google для создания и использования Репозитория Фактов. Система извлекает факты из интернета, связывает их с объектами (сущностями), очищает и нормализует данные. В ответ на запрос система находит релевантные факты и возвращает их в формате структурированного фида (например, XML/RSS). Это foundational-технология для поиска по сущностям и формирования Графа Знаний.
- US7454398B2
- 2006-02-17
Как Google разбирает локальные запросы на «Что» и «Где» для повышения точности выдачи
Google использует механизм для интерпретации локальных запросов, введенных в одну строку. Система генерирует различные комбинации разделения запроса на тему («Что») и местоположение («Где»), отправляет их в разные базы данных (например, Карты, Локальный поиск) и использует оценки уверенности (Confidence Scores) для выбора наилучшей интерпретации.
- US7917490B2
- 2007-07-09