Как Google наследует сигналы качества и пессимизации между иерархически связанным контентом (например, Видео, Плейлисты, Каналы)

Описание

Какую задачу решает

Патент решает проблему точной оценки качества контента на платформах с иерархической структурой (например, YouTube), где существует проблема «разреженного злоупотребления» (sparse abuse). Существующие решения часто классифицируют сущность (например, канал) как полностью нежелательную, даже если большая часть контента качественная, но присутствует один проблемный плейлист. Изобретение направлено на более гранулированную оценку, позволяющую избежать неточных классификаций и учитывать качество на разных уровнях иерархии (видео, плейлист, канал).

Что запатентовано

Запатентована система для комбинирования оценок классификаторов для иерархического набора сущностей. Суть изобретения заключается в расчете агрегированной оценки (Aggregate Score) для элемента контента (например, видео) путем объединения его собственных оценок качества (Classifier Score) и защиты (Protection Score) с аналогичными оценками его родительских сущностей (например, плейлиста, в который он входит, и канала, который его загрузил). Эта агрегированная оценка используется для принятия решения о понижении (demotion) контента в выдаче.

Как это работает

Система работает по принципу наследования и агрегации сигналов качества:

• Определение иерархии: Для элемента контента (например, видео) определяются его предки (например, плейлист и канал).
• Сбор оценок: Система получает Classifier Scores (оценки качества/спамности) и Protection Scores (оценки авторитетности/защиты от понижения) для самого элемента и всех его предков.
• Расчет агрегированной оценки: Все полученные оценки комбинируются для вычисления итогового Aggregate Score. Protection Scores могут повышать нижнюю границу этой оценки.
• Принятие решения о понижении: Если Aggregate Score ниже определенного порога, элемент контента понижается в результатах поиска (например, снижается его позиция или он исключается из выдачи).

Актуальность для SEO

Высокая. Патент опубликован в 2020 году и описывает механизмы модерации контента и оценки качества, которые критически важны для платформ с пользовательским контентом, таких как YouTube (контекст патента явно указывает на видео, плейлисты и каналы). Борьба со спамом, кликбейтом и нежелательным контентом остается приоритетной задачей.

Важность для SEO

Патент имеет высокое значение (8/10) для SEO-стратегий на платформах с иерархической структурой контента, в первую очередь для YouTube SEO. Он демонстрирует, что качество отдельного видео оценивается в контексте качества плейлиста и всего канала. Низкое качество родительской сущности может привести к понижению дочернего контента, даже если сам контент качественный. И наоборот, высокая авторитетность (Protection Score) канала может защитить контент от понижения.

Детальный разбор

Термины и определения

Aggregate Score (Агрегированная оценка)

Итоговая оценка сущности, рассчитанная на основе комбинации Classifier Scores и Protection Scores самой сущности и ее предков.

Ancestor Entity (Родительская сущность / Предок)

Сущность, находящаяся выше в иерархии. Например, для видео предками могут быть плейлист, в который оно входит, и канал, который его загрузил или создал плейлист.

Classifier Score (Оценка классификатора)

Значение, представляющее качество сущности на основе ее характеристик. Например, оценка того, является ли контент спамом, кликбейтом, вводящим в заблуждение или нежелательным (порнографическим).

Demotion (Понижение / Пессимизация)

Действие, предпринимаемое в отношении сущности, если ее Aggregate Score ниже порога. Может включать снижение позиции в поиске, исключение из выдачи или предотвращение монетизации.

Entity (Сущность)

Элемент контента или учетная запись на медиаплатформе. В контексте патента: видео (media content item), плейлист (playlist), пользовательский канал (user channel).

Hierarchical Set of Entities (Иерархический набор сущностей)

Структура, в которой сущности связаны отношениями родитель-потомок. Например, Канал -> Плейлист -> Видео; или Канал -> Видео.

Protection Score (Оценка защиты)

Значение, представляющее степень, в которой сущность защищена от понижения (включена в «белый список»). Например, канал с большим количеством подписчиков (>15,000) может иметь высокую оценку защиты. Эта оценка повышает нижнюю границу Aggregate Score.

Sparse Abuse (Разреженное злоупотребление)

Ситуация, когда сущность (например, канал) в основном содержит качественный контент, но также включает отдельные элементы нежелательного контента (например, один спамный плейлист).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод генерации оценок для иерархических сущностей.

1. Система определяет первый набор оценок, связанных с элементом медиаконтента (media content item).
2. Система определяет второй набор оценок, связанных с первой родительской сущностью (first ancestor entity) этого элемента.
3. Вычисляется агрегированная оценка (aggregate score) элемента на основе первого и второго наборов оценок.
4. Определяется, следует ли понизить (demote) элемент медиаконтента на основе этой агрегированной оценки.
5. В случае положительного решения элемент медиаконтента понижается.

Claim 2 (Зависимый): Уточняет, что в расчете может участвовать и вторая родительская сущность.

Агрегированная оценка рассчитывается на основе оценок самого элемента, первой родительской сущности и второй родительской сущности. Это позволяет учитывать сложную иерархию, например: Видео + Плейлист (Предок 1) + Канал (Предок 2).

Claim 3 (Зависимый): Определяет контекст применения.

Элемент медиаконтента является видео элементом (video item). Родительская сущность является плейлистом (playlist), включающим это видео, или пользовательским каналом (user channel), загрузившим это видео.

Claim 4 (Зависимый): Детализирует состав набора оценок.

Набор оценок включает classifier score, который указывает на качество элемента, и protection score, который указывает на میزان защиты от понижения, предоставляемую элементу.

Claim 6 (Зависимый): Описывает применение механизма в контексте поиска.

1. Система получает поисковый запрос.
2. Генерируется набор результатов поиска, один из которых соответствует данному элементу медиаконтента.
3. Система обеспечивает представление результатов поиска с учетом примененного понижения (demotion).

Где и как применяется

Изобретение затрагивает этапы индексирования для предварительного расчета оценок и этапы ранжирования/переранжирования для их применения в реальном времени.

INDEXING – Индексирование и извлечение признаков
На этом этапе система должна предварительно рассчитать и сохранить индивидуальные Classifier Scores (оценки качества/спама) и Protection Scores (оценки авторитетности) для каждой сущности в иерархии (каждого видео, плейлиста, канала). Также должна быть проиндексирована сама иерархическая структура (кто является предком кого).

RANKING – Ранжирование / RERANKING – Переранжирование
Основное применение патента происходит во время обработки поискового запроса.

1. Генерация кандидатов: Система генерирует начальный набор результатов поиска.
2. Расчет агрегированных оценок: Для каждого кандидата в выдаче система в реальном времени (или используя кэшированные данные) выполняет расчет Aggregate Score. Это требует получения индивидуальных оценок кандидата и его предков из индекса.
3. Применение понижения: Система идентифицирует результаты, подлежащие понижению, на основе рассчитанных Aggregate Scores и применяет пессимизацию (снижает ранг или удаляет из выдачи).

Входные данные:

• Поисковый запрос.
• Кандидаты в результаты поиска (сущности).
• Иерархические связи между сущностями.
• Предварительно рассчитанные Classifier Scores для каждой сущности.
• Предварительно рассчитанные Protection Scores для каждой сущности.

Выходные данные:

• Aggregate Score для каждой сущности-кандидата.
• Финальный набор результатов поиска с примененными понижениями.

На что влияет

• Конкретные типы контента: В первую очередь влияет на контент, организованный иерархически на медиаплатформах (например, YouTube). Влияет на ранжирование видео, плейлистов и каналов.
• Конкретные ниши или тематики: Наибольшее влияние в нишах, где распространены злоупотребления (спам, кликбейт, вводящий в заблуждение контент) и где важна оценка авторитетности источника (например, YMYL-тематики на видеоплатформах).

Когда применяется

• Условия работы алгоритма: Алгоритм применяется при генерации результатов поиска на платформе, где контент имеет иерархическую структуру и для него рассчитываются Classifier Scores и Protection Scores.
• Триггеры активации: Понижение активируется, когда Aggregate Score сущности оказывается ниже predetermined threshold (предопределенного порога).

Пошаговый алгоритм

Процесс А: Расчет оценок (Этап Индексирования / Офлайн)

1. Получение данных о сущности: Система анализирует характеристики сущности (видео, плейлиста или канала).
2. Расчет Classifier Score: Классификаторы оценивают качество контента (например, вероятность спама).
3. Расчет Protection Score: Система оценивает авторитетность и надежность сущности (например, на основе количества подписчиков канала).
4. Хранение оценок: Полученные оценки сохраняются в базе данных (Storage Device), причем каждая оценка может храниться независимо для быстрого обновления.

Процесс Б: Применение оценок (Этап Ранжирования / Онлайн)

1. Получение запроса и генерация результатов: Система получает поисковый запрос и генерирует начальный набор результатов.
2. Идентификация сущности и ее предков: Для каждого результата (например, видео) определяются его родительские сущности (плейлист, канал).
3. Получение индивидуальных оценок: Система извлекает сохраненные Classifier Scores и Protection Scores для самой сущности и всех ее предков.
4. Расчет Aggregate Score:
   1. Комбинируются Classifier Scores сущности и ее предков (возможно, с применением весовых коэффициентов).
   2. Полученный результат комбинируется с Protection Scores сущности и ее предков. Protection Scores увеличивают нижнюю границу итоговой оценки.
5. Проверка порога: Система определяет, ниже ли рассчитанный Aggregate Score предопределенного порога.
6. Применение понижения (Demotion): Если оценка ниже порога, результат понижается в выдаче (снижается его ранг или он удаляется).
7. Представление результатов: Пользователю предоставляется скорректированный набор результатов поиска.

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании предварительно рассчитанных оценок и структурных связей.

• Факторы качества контента (Content Quality Factors): Используются через Classifier Scores. Эти оценки основаны на анализе характеристик контента на предмет злоупотреблений: вводящий в заблуждение (misleading), повторяющийся (repetitive), откровенный (racy), порнографический (pornographic), нарушающий права (infringing), кликбейт (clickbait).
• Факторы авторитетности/Пользовательские факторы (Authority/User Factors): Используются через Protection Scores. Патент упоминает, что эти оценки могут быть основаны на характеристиках пользователя или канала, например, на количестве подписчиков (упоминается пример >15,000 подписчиков).
• Структурные факторы (Structural Factors): Критически важные данные — иерархические связи между сущностями (отношения родитель-потомок между видео, плейлистами и каналами).

Какие метрики используются и как они считаются

• Aggregate Score: Итоговая метрика для принятия решения о понижении. Рассчитывается путем комбинирования Classifier Scores и Protection Scores сущности и ее предков. Патент не предоставляет конкретных формул для комбинирования, но указывает, что могут использоваться любые подходящие функции и весовые схемы (weighting scheme).
• Механизм защиты: Protection Score используется для увеличения нижней границы (increase the lower bound) Aggregate Score, тем самым защищая авторитетные сущности от понижения.
• Пороговые значения: Используется предопределенный порог (predetermined threshold), с которым сравнивается Aggregate Score для принятия решения о понижении.

Выводы

1. Наследование качества (и проблем): Качество контента оценивается на смешанном гранулированном уровне (mixed granularity). Ранжирование видео зависит не только от его собственных характеристик, но и от качества плейлиста, в который оно входит, и канала, на котором оно опубликовано. Проблемы родительской сущности наследуются потомками.
2. Решение проблемы «Sparse Abuse»: Система позволяет более точно реагировать на ситуации, когда качественный канал содержит проблемный плейлист, или наоборот. Агрегированная оценка позволяет учесть оба фактора.
3. Явное использование «Белых списков» (Whitelisting): Патент прямо вводит понятие Protection Score — механизма для защиты ценных сущностей (например, авторитетных каналов) от понижения. Эта оценка функционирует как буфер против низких Classifier Scores.
4. Важность структуры контента: Организация контента в иерархии (плейлисты, каналы) напрямую влияет на его ранжирование через механизм наследования оценок.
5. Независимость оценок при хранении: Система разработана для эффективного хранения и обновления оценок. Classifier Scores и Protection Scores хранятся независимо, что позволяет обновлять их в реальном времени без пересчета других показателей.

Практика

Best practices (это мы делаем)

Рекомендации в первую очередь касаются платформ типа YouTube.

• Поддержание качества на всех уровнях иерархии: Необходимо следить за качеством не только отдельных видео, но и плейлистов, и канала в целом. Все элементы должны соответствовать критериям качества (отсутствие спама, кликбейта, вводящего в заблуждение контента).
• Стратегическое использование плейлистов: Организуйте контент в тематически связанные, высококачественные плейлисты. Качественный плейлист может положительно повлиять на Aggregate Score входящих в него видео за счет своего высокого Classifier Score.
• Развитие авторитетности канала (Protection Score): Фокусируйтесь на построении авторитетности канала (например, увеличении числа лояльных подписчиков). Высокий Protection Score канала защищает контент от понижения, повышая нижнюю границу Aggregate Score для всех видео на канале.
• Изоляция проблемного контента: Если необходимо опубликовать контент, который может иметь низкий Classifier Score (например, экспериментальный или спорный), его следует максимально изолировать, чтобы он не влиял на оценки качественного контента (хотя в рамках одного канала полная изоляция невозможна из-за наследования оценки канала).

Worst practices (это делать не надо)

• Создание спамных плейлистов: Добавление качественных видео в низкокачественные, спамные или кликбейтные плейлисты приведет к понижению этих видео, так как низкий Classifier Score плейлиста негативно повлияет на их Aggregate Score.
• Смешивание качественного и низкокачественного контента на одном канале: Публикация спама или кликбейта снижает общий Classifier Score канала. Это, в свою очередь, негативно скажется на ранжировании всех видео на канале из-за механизма наследования.
• Игнорирование структуры: Рассматривать ранжирование видео в отрыве от контекста плейлистов и канала является ошибкой, так как система явно учитывает всю иерархию.

Стратегическое значение

Патент подтверждает стратегическую важность комплексного подхода к качеству контента на платформах Google. Для успешного продвижения недостаточно иметь отдельные качественные единицы контента; важна вся экосистема (канал) и структура (плейлисты). Авторитетность (выраженная через Protection Score) является ключевым активом, который не только способствует ранжированию, но и защищает от пессимизации. Это подчеркивает важность долгосрочных стратегий построения бренда и авторитета.

Практические примеры

Сценарий 1: Качественное видео в спамном плейлисте

1. Ситуация: SEO-специалист создал отличное обучающее видео (высокий Classifier Score видео). Чтобы быстро получить просмотры, он добавляет его в плейлист с кликбейтным названием и описанием, содержащим спам (низкий Classifier Score плейлиста).
2. Работа механизма: При расчете Aggregate Score видео система учитывает низкую оценку плейлиста.
3. Результат: Aggregate Score видео снижается, что приводит к его понижению (Demotion) в поиске, несмотря на собственное высокое качество.

Сценарий 2: Спорное видео на авторитетном канале

1. Ситуация: Крупный новостной канал (высокий Protection Score канала) публикует видео на спорную тему, которое классификаторы помечают как потенциально нежелательное (низкий Classifier Score видео).
2. Работа механизма: При расчете Aggregate Score видео система учитывает низкую оценку видео, но также применяет высокий Protection Score канала.
3. Результат: Protection Score повышает нижнюю границу Aggregate Score. В результате итоговая оценка может не опуститься ниже порога, и видео избежит автоматического понижения.

Вопросы и ответы