Как Google агрегирует социальные одобрения (+1) для аннотирования и персонализации поиска по картинкам

Описание

Какую задачу решает

Патент решает проблему разрозненности и неоднозначности социальных одобрений (endorsements) для изображений. Поскольку одно и то же изображение может быть реплицировано на множестве сайтов, агрегация сигналов затруднена. Кроме того, одобрение веб-страницы, содержащей несколько изображений, создает неоднозначность. Изобретение предлагает механизм для точной агрегации одобрений на уровне конкретного изображения, а не веб-страницы, и предоставляет пользователю персонализированный социальный контекст в поиске по картинкам.

Что запатентовано

Запатентована система для обработки социальных одобрений изображений. Система идентифицирует каноническую версию изображения (Representative Image) и агрегирует все одобрения (например, «+1»), полученные любой копией этого изображения в сети. При выполнении поиска система проверяет, одобрял ли кто-либо из «группы социальной близости» (Social Affinity Group) пользователя (например, друзья, коллеги) найденные изображения. Если да, результаты поиска аннотируются этой информацией (Annotation Data).

Как это работает

Механизм работает в двух основных направлениях: индексирование и поиск.

• Индексирование и Агрегация: Система использует алгоритмы обработки изображений для идентификации идентичных или производных копий и выбирает Representative Image. Когда пользователь одобряет изображение (на любом сайте или в поиске), это одобрение «распространяется» (propagate) и связывается с Representative Image. Одобрение индексируется с привязкой к User ID и Image ID.
• Поиск и Аннотирование: Когда пользователь выполняет поиск, система идентифицирует его Social Affinity Groups. Для результатов поиска проверяется наличие одобрений от участников этих групп. Если они есть, система генерирует аннотации. В описании патента также упоминается, что эти одобрения могут использоваться для корректировки ранжирования (boosting).

Актуальность для SEO

Низкая. Патент подан в 2011 году и тесно связан с экосистемой Google+ и кнопкой «+1». Описанные механизмы, такие как явное использование Social Affinity Groups (круги Google+) для аннотирования выдачи, в настоящее время (2025 год) не используются Google в описанном виде, так как инфраструктура Google+ была упразднена. Базовые технологии каноникализации изображений остаются актуальными, но специфический социальный механизм устарел.

Важность для SEO

Влияние на современные SEO-стратегии минимальное (3/10). Патент представляет в основном исторический интерес, демонстрируя механизмы интеграции сигналов из Google+ в поиск по картинкам. Хотя концепция использования пользовательских сигналов для ранжирования актуальна, прямые методы влияния, описанные в патенте (получение явных одобрений для аннотирования и бустинга), больше не применимы ввиду отсутствия соответствующей инфраструктуры.

Детальный разбор

Термины и определения

Annotation Data (Данные аннотации)

Информация, генерируемая системой для описания связи одобрения с пользователями из Social Affinity Group. Может включать количество одобрений, имена пользователей, миниатюры их профилей (image thumbnail).

Endorsement (Одобрение)

Сигнал о том, что пользователь одобряет или рекомендует контент (позитивное одобрение, например, «+1»). Патент также упоминает возможность негативных одобрений (negative endorsements) — сигналов неодобрения.

Image Resource (Ресурс изображения)

Фактическое изображение, размещенное на веб-странице (не на странице результатов поиска).

Propagation (Распространение)

Механизм связывания одобрений. Если одобрен Image Resource, одобрение распространяется на соответствующий Representative Image, и наоборот.

Representative Image (Репрезентативное изображение)

Каноническое изображение, выбранное поисковой системой для представления группы идентичных изображений, производных от одного источника (например, миниатюры, обрезанные версии), или кластера похожих изображений (cluster of similar images).

Social Affinity Group (Группа социальной близости)

Группа пользователей, связанных определенными отношениями. Связи могут быть явными (друзья, семья, коллеги, «круги») или неявными (общая демография, местоположение). Является подмножеством всех пользователей сети.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной процесс предоставления аннотированных результатов поиска.

1. Система получает поисковый запрос от пользователя, принадлежащего к Social Affinity Group.
2. Система получает результаты поиска по картинкам, каждый из которых включает Representative Image с уникальным идентификатором (Image Identifier).
3. Система идентифицирует Representative Images, которые имеют связь с одобрением (endorsement association) от пользователей из этой Social Affinity Group.
4. Для каждого такого результата система генерирует Annotation Data, описывающие эту связь.
5. Система предоставляет Annotation Data на устройство пользователя для отображения вместе с Representative Image.

Claim 5 (Зависимый от 1): Детализирует механизм агрегации и распространения (пропагации) одобрений.

1. Каждое Representative Image представляет один или несколько Image Resources, производных от одного исходного изображения.
2. Система приписывает (attributing) связь одобрения от Representative Image к каждому ресурсу, который оно представляет.
3. В ответ на запрос этого ресурса (например, при просмотре его на веб-странице), система генерирует и предоставляет Annotation Data для отображения с этим ресурсом.

Это обеспечивает синхронизацию одобрений между результатами поиска и фактическими изображениями на сайтах.

Claim 6 (Зависимый от 1): Описывает обработку нескольких социальных групп.

1. Пользователь принадлежит к нескольким Social Affinity Groups (например, «Семья» и «Коллеги»).
2. Идентификация одобрений включает связи с пользователями из каждой группы.
3. Генерация Annotation Data включает описание связи с пользователями и указание на Social Affinity Groups, к которым они принадлежат (например, «Три коллеги одобрили это изображение, и два члена вашей семьи одобрили это изображение»).

Claim 9 (Зависимый от 1): Расширяет определение Representative Image.

1. Representative Image может представлять ресурсы, принадлежащие к кластеру похожих (cluster of similar images), а не только идентичных или производных изображений.
2. Механизм атрибуции одобрений также применяется к этим похожим изображениям.

Где и как применяется

Изобретение применяется в системе поиска по картинкам и затрагивает несколько этапов поисковой архитектуры.

CRAWLING & INDEXING – Сканирование, Индексирование и извлечение признаков
На этом этапе происходят ключевые процессы подготовки данных:

• Обработка изображений: Система использует алгоритмы обработки изображений для идентификации идентичных, производных и похожих изображений. Упомянуты техники SIFT (Scale Invariant Feature Transform), обнаружение краев, сопоставление пикселей и кластеризация.
• Выбор Representative Image: Для каждой группы выбирается каноническое изображение.
• Индексирование одобрений: Когда поступают данные об одобрении, они обрабатываются. Одобрение распространяется (propagate) на Representative Image и все связанные экземпляры. Одобрение индексируется с привязкой к идентификатору пользователя (user identifier) и идентификатору репрезентативного изображения (representative image identifier).

RANKING / RERANKING – Ранжирование и Переранжирование
В описании патента (но не в Claims) указано, что информация об одобрениях может использоваться для корректировки ранжирования результатов поиска по картинкам. Результат, одобренный многими пользователями из Social Affinity Group запрашивающего пользователя, может быть повышен (boosted) в рейтинге.

METASEARCH / RERANKING (Presentation Layer) – Метапоиск и Смешивание
На этапе формирования выдачи система генерирует Annotation Data. Система проверяет наличие одобрений от Social Affinity Group пользователя для найденных изображений и внедряет аннотации в интерфейс SERP.

Входные данные:

• Поисковый запрос.
• Идентификатор пользователя и данные о его Social Affinity Groups.
• Индекс изображений (с идентификаторами Representative Images).
• Индекс одобрений (связи User ID и Image ID).

Выходные данные:

• Отранжированные результаты поиска по картинкам.
• Annotation Data, интегрированные в SERP.

На что влияет

• Конкретные типы контента: Влияет исключительно на изображения в результатах поиска по картинкам и при их отображении на веб-страницах.
• Пользовательские факторы: Механизм зависит от социальных связей пользователя. Пользователи без активных социальных связей в используемой системе или не вошедшие в аккаунт не увидят персонализированных аннотаций.

Когда применяется

• Триггеры активации: Алгоритм аннотирования активируется при выполнении всех следующих условий:
  1. Пользователь вошел в систему и принадлежит хотя бы к одной Social Affinity Group.
  2. Выполняется поиск по картинкам.
  3. Среди результатов поиска есть изображения, которые были явно одобрены другими участниками Social Affinity Group пользователя.
• Исключения и особые случаи: Патент упоминает управление доступом (Access Control List). Если изображение не является публичным, история одобрений по нему доступна только тем, у кого есть доступ к самому изображению, чтобы предотвратить утечку данных.

Пошаговый алгоритм

Процесс А: Обработка и индексирование одобрений (Офлайн/Фоновый режим)

1. Получение данных об одобрении: Система получает данные, указывающие на одобрение изображения пользователем (User ID и Image ID).
2. Идентификация Representative Image: Определяется, с каким Representative Image связано одобренное изображение.
3. Распространение одобрения (Propagation):
   • Если одобрен ресурс на сайте (Image Resource): одобрение агрегируется наверх, к соответствующему Representative Image.
   • Если одобрено Representative Image (в поиске): одобрение ассоциируется со всеми связанными Image Resources.
4. Индексирование: Одобрение индексируется по идентификатору пользователя и идентификатору Representative Image. Обновляется совокупный счетчик одобрений (cumulative endorsement count).

Процесс Б: Обработка запроса и аннотирование (Реальное время)

1. Получение запроса: Система получает запрос от пользователя и идентифицирует его Social Affinity Groups.
2. Генерация результатов: Получение набора результатов поиска по картинкам (Representative Images).
3. Идентификация социальных одобрений: Система проверяет индекс одобрений на наличие записей от пользователей, входящих в Social Affinity Groups запрашивающего.
4. (Опционально) Корректировка ранжирования: Система может повысить в ранге изображения, имеющие одобрения от социальных контактов пользователя.
5. Генерация Annotation Data: Для изображений с социальными одобрениями генерируются аннотации. Это может включать агрегацию данных по разным социальным группам.
6. Предоставление результатов: Аннотированные результаты предоставляются пользователю.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании социальных данных и данных об изображениях.

• Мультимедиа факторы (Изображения): Система анализирует сами изображения для определения их идентичности или схожести. Используются методы обработки изображений для каноникализации.
• Пользовательские факторы (Социальные данные):
  • Идентификаторы пользователей (User ID).
  • Social Affinity Groups: Данные о связях между пользователями, полученные из Social Networking Systems.
  • Данные профиля (аватары, имена) для отображения в аннотациях.
  • Настройки конфиденциальности (Access Control List).
• Поведенческие факторы:
  • Явные действия одобрения (Endorsements), такие как нажатие кнопки «+1». Могут быть положительными или отрицательными.

Какие метрики используются и как они считаются

• Идентификация Representative Image: Используются методы обработки изображений для определения идентичности или производности: SIFT (Scale Invariant Feature Transform), обнаружение краев (edge detection), обнаружение точек интереса (interest point detection), сопоставление пикселей (pixel matching). Для похожих изображений используются методы кластеризации (например, feature distance clustering).
• Cumulative Endorsement Count (Совокупный счетчик одобрений): Агрегация всех одобрений, связанных с данным Representative Image. Может быть общим (публичным) или отфильтрованным по Social Affinity Group.
• Ranking Adjustment (Корректировка ранжирования): Упоминается возможность бустинга изображений на основе количества одобрений от Social Affinity Group. Конкретные формулы не приводятся.
• Метрики социальной близости: При отображении иконок пользователей в аннотациях могут выбираться пользователи, имеющие наибольшую социальную близость (greatest social affinity) к ищущему.

Выводы

1. Агрегация сигналов на уровне канонического изображения: Ключевая техническая идея — использование Representative Image для решения проблемы дублирования изображений. Все социальные сигналы (одобрения) агрегируются на уровне канонической версии, независимо от того, где именно пользователь взаимодействовал с изображением.
2. Пропагация одобрений (Propagation): Система обеспечивает синхронизацию одобрений между результатами поиска и фактическими изображениями на сайтах. Одобрение, сделанное в одном месте, учитывается и отображается в другом.
3. Персонализация через Социальный Граф: Патент демонстрирует механизм использования данных социального графа (Social Affinity Groups) для модификации поисковой выдачи с целью повышения релевантности за счет показа контента, одобренного знакомыми.
4. Влияние на ранжирование: Хотя основной фокус патента (Claims) — аннотирование выдачи (UX), в описании явно упоминается возможность использования социальных одобрений для повышения (boosting) результатов в ранжировании.
5. Зависимость от устаревшей экосистемы: Механизм критически зависит от инфраструктуры Google+ и кнопки +1. Это делает описанную реализацию устаревшей после закрытия Google+.

Практика

ВАЖНО: Описанная в патенте система основана на технологиях (Google+, +1), которые более не используются. Прямое практическое применение описанных социальных механик в SEO в 2025 году минимально.

Best practices (это мы делаем)

Хотя прямые механизмы одобрения устарели, базовые принципы обработки изображений остаются важными.

• Понимание каноникализации изображений: Патент подтверждает, что Google агрегирует сигналы на уровне Representative Image. Для SEO важно убедиться, что ключевые изображения на сайте либо уникальны, либо являются высококачественной версией, которая имеет шансы быть выбранной в качестве канонической.
• Обеспечение технической доступности: Убедитесь, что изображения легко сканируются и индексируются. Использование консистентных файлов изображений на разных страницах сайта упрощает для Google процесс сопоставления и каноникализации.
• Фокус на создании привлекательного визуального контента (Общий принцип): Патент подтверждает интерес Google к контенту, который вызывает положительный отклик. Создание изображений, которыми пользователи захотят делиться (даже если Google измеряет это другими способами сегодня), остается важной стратегией.

Worst practices (это делать не надо)

• Попытки манипулировать социальными сигналами для SEO изображений: Не следует тратить ресурсы на создание фейковых социальных одобрений в надежде на бустинг. Описанный механизм явных одобрений не актуален.
• Использование множества слегка измененных версий одного изображения: Система использует механизмы (SIFT, кластеризация) для идентификации производных и похожих изображений. Создание множества копий не даст преимущества, так как сигналы будут агрегированы к одному Representative Image.
• Препятствование индексации изображений: Блокировка изображений мешает системе идентифицировать Representative Image и учитывать связанные с ним сигналы.

Стратегическое значение

Стратегическое значение патента на 2025 год заключается в понимании того, как Google подходит к обработке изображений и связанных с ними сигналов. Он подчеркивает важность каноникализации (Representative Image) как основы для агрегации любых сигналов. Патент также является историческим свидетельством попыток Google напрямую интегрировать социальный контекст в ранжирование и персонализацию поиска.

Практические примеры

Практических примеров применения для SEO в 2025 году нет, так как описанная система аннотирования на основе Google+ более не существует. Приведем гипотетический пример работы системы, если бы она была активна.

Сценарий: Персонализированное аннотирование в поиске по картинкам

1. Контекст: Пользователь А входит в Google. У него есть Social Affinity Group «Друзья», в которую входит Пользователь Б.
2. Действие Пользователя Б: Пользователь Б находит фотографию на сайте example.com и нажимает кнопку «+1» рядом с изображением.
3. Индексирование: Google связывает это одобрение с Representative Image этой фотографии и индексирует связь (Пользователь Б, Image ID).
4. Действие Пользователя А: Пользователь А ищет релевантный запрос в Google Images.
5. Обработка запроса: Система видит, что фотография с сайта example.com релевантна запросу и что Пользователь Б (из группы «Друзья») одобрил это изображение.
6. Аннотирование и Ранжирование: В результатах поиска рядом с изображением появляется аннотация: «[Фото профиля Б] Пользователь Б +1’d это изображение». Изображение также может быть повышено в выдаче для Пользователя А.

Вопросы и ответы