Как Google распознает запросы о фильмах и сериалах и формирует специализированную выдачу с расписанием

Описание

Какую задачу решает

Патент решает проблему неоднозначности поисковых запросов, которые могут относиться как к медиаконтенту (фильмы, ТВ-шоу), так и к общим темам. Например, запрос [lost] может относиться к сериалу «Lost» или к концепции потери чего-либо. Изобретение призвано точно классифицировать интент пользователя и определить, когда запрос направлен на получение информации о медиаконтенте, чтобы предоставить специализированные, структурированные результаты (например, расписание показов), а не только общие веб-ссылки.

Что запатентовано

Запатентована система и метод для идентификации запросов, относящихся к медиаконтенту (media-related objects). Система анализирует запрос на наличие медиа-терминов и временных указателей (time-based terms). Если они обнаружены, система транслирует временные указатели в конкретные диапазоны и предоставляет медиа-специфичные результаты в особом формате. Этот формат включает структурированный список эпизодов и сетку телепрограммы (schedule grid), отображаемую одновременно со списком.

Как это работает

Система использует комбинацию методов для классификации запроса как медиа-ориентированного:

• Списки терминов: Сравнение терминов запроса с «белыми списками» (whitelists) известных медиа-терминов (названия шоу, актеры, жанры) и «черными списками» (blacklists) для исключения ложных срабатываний.
• Машинное обучение: Использование моделей (machine learning system), обученных на медиа-данных, для оценки семантической близости запроса к медиа-концепциям. Это может включать анализ контекстных векторов (context vector) для разрешения неоднозначности.
• Анализ формата: Распознавание временных форматов в запросе (например, «8pm», даты, дни недели, «primetime»).
• Явные триггеры: Учет префиксов, добавленных пользователем (например, «tv:» или «movie:»).

Если интент классифицирован как медийный, система запрашивает данные из медиа-специфичных корпусов и форматирует ответ в виде специализированных блоков или целевой страницы с программой передач.

Актуальность для SEO

Высокая. Классификация интента и предоставление специализированных, структурированных результатов являются ключевыми направлениями развития поиска. Базовые механизмы идентификации медиа-интента, описанные в патенте, включая использование ML для разрешения неоднозначности, остаются крайне актуальными и лежат в основе формирования современных SERP-фич для фильмов, сериалов и видеоконтента.

Важность для SEO

Патент имеет высокое значение для SEO, особенно для сайтов в развлекательной нише. Он раскрывает механизмы, которые Google использует для классификации интента и триггеринга специализированных результатов (media-specific results), которые могут иметь приоритет над традиционными синими ссылками. Это подчеркивает важность оптимизации под сущности (программы, актеры) и необходимость предоставления структурированных данных для интеграции в эти специализированные блоки.

Детальный разбор

Термины и определения

Blacklist (Черный список)

Список терминов, присутствие которых в запросе указывает на то, что запрос НЕ является медиа-ориентированным, даже если присутствуют другие медиа-триггеры. Пример: термин «plasma» в запросе [plasma tv].

Context Vector (Вектор контекста)

Упоминается в описании. Представление запроса, созданное на основе результатов поиска по его отдельным частям. Содержит слова, которые часто встречаются в контексте исходных терминов запроса. Используется для разрешения неоднозначности с помощью ML.

Head End

Конкретный источник медиапрограммирования для пользователя (например, локальный кабельный провайдер). Используется для определения доступных каналов и локального расписания.

Machine Learning System (Система машинного обучения)

Система (упоминаются методы: логистическая регрессия, байесовский вывод, finite state automata, kernel function), обученная на известных медиа-данных для классификации будущих запросов.

Media-related objects (Объекты, связанные с медиа)

Сущности, такие как телевизионные программы, фильмы, эпизоды, актеры, режиссеры, жанры.

Media-specific results (Медиа-специфичные результаты)

Специализированный формат поисковой выдачи. Включает структурированную информацию (время показа, список эпизодов, сетку вещания) и отличается от стандартного списка URL.

One box

Специально отформатированный блок результатов поиска, предоставляющий структурированную информацию в ответ на специфический тип запроса.

Schedule Grid / Program Guide Grid (Сетка расписания / Сетка телепрограммы)

Элемент интерфейса, отображающий список каналов и программы, транслируемые на этих каналах в определенный период времени.

Time-based terms (Термины, основанные на времени)

Слова или форматы в запросе, указывающие на время или дату (например, «8 PM», «tonight»).

Whitelist (Белый список)

Список предварительно определенных терминов, которые известны как связанные с медиа.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод реагирования на запросы и формирования специфического интерфейса в зависимости от типа запроса.

1. Система получает первый запрос. Если он НЕ идентифицирован как медиа-запрос (не содержит media-related terms), предоставляются стандартные результаты (список URL-ссылок).
2. Система получает второй запрос.
3. Во втором запросе идентифицируются media-related terms.
4. Во втором запросе идентифицируются time-based terms.
5. Если оба типа терминов найдены, система выполняет следующие действия:
   • Транслирует time-based terms (например, «сегодня вечером») в конкретный временной диапазон (time range).
   • Предоставляет media-specific results в формате, отличном от стандартного.
6. Формат медиа-специфичных результатов должен включать:
   • (a) Список эпизодов, которые релевантны запросу И попадают во временной диапазон, сгруппированные по названию и времени показа.
   • (b) Schedule grid (сетка программы), показывающая множество программ на разных каналах в этот период времени.
7. Сетка программы должна включать индикаторы (подсветку) для тех программ, которые соответствуют критериям поиска.
8. Список (a) и сетка (b) отображаются одновременно, рядом друг с другом.

Ядром изобретения, согласно Claim 1, является не просто распознавание медиа-запроса, а специфическая обработка запросов, содержащих одновременно и медиа-сущность, и временное ограничение, что приводит к генерации сложного комбинированного интерфейса.

Claim 2 (Зависимый от 1): Уточняет метод идентификации.

Идентификация media-related terms включает сравнение слов или наборов слов из запроса с whitelists или blacklists медиа-терминов.

Claim 3 и 4 (Зависимые от 1 и 3): Уточняют альтернативный метод идентификации.

Идентификация включает отправку слов из запроса в machine learning system, обученную на медиа-релевантной информации. Это может включать определение расстояния (distance) между терминами запроса и терминами в системе машинного обучения (вероятно, семантическая близость).

Claim 7 (Зависимый от 6): Описывает механизм интеграции данных и модификации запроса.

Система получает информацию из структурированной базы медиаконтента И из не-медиа-ориентированной базы данных (например, общего веб-индекса). При поиске в не-медиа-ориентированной базе данных запрос модифицируется путем добавления термина, описывающего медиа (например, добавление слова «television» или «actor»), чтобы ограничить результаты медиа-тематикой.

Где и как применяется

Изобретение применяется на этапах понимания запроса и формирования поисковой выдачи.

QUNDERSTANDING – Понимание Запросов
Это основной этап применения патента. Компоненты системы (Request processor, Query Reformatter) анализируют входящий запрос для классификации его интента.

1. Классификация интента: Система определяет, является ли запрос медиа-ориентированным, используя префиксы, анализ формата (время), whitelists/blacklists и machine learning systems.
2. Извлечение параметров: Идентифицируются медиа-сущности и временные параметры (time-based terms).
3. Трансляция параметров: Временные термины транслируются в конкретные временные диапазоны.
4. Переписывание запроса: Запрос может быть дополнен терминами (например, добавление слова «movie») для улучшения результатов из общего индекса (Claim 7).

METASEARCH – Метапоиск и Смешивание
На этом этапе принимается решение о том, какие вертикали активировать и как форматировать результаты.

1. Триггеринг вертикали: Если запрос классифицирован как медиа-ориентированный, система запускает поиск в специализированных медиа-базах.
2. Формирование SERP: Если выполнены условия Claim 1 (медиа-термин + временной термин), система (Page Formatter, Grid Builder) генерирует специализированный UI (one box или отдельную страницу), включающий список эпизодов и schedule grid.

Входные данные:

• Исходный запрос пользователя.
• Whitelists и Blacklists медиа-терминов.
• Обученные модели Machine Learning System.
• Данные о местоположении пользователя (для определения Head End и локального расписания).

Выходные данные:

• Классификация запроса (медиа-ориентированный или нет).
• Извлеченные медиа-сущности и временные диапазоны.
• Специализированные media-specific results или стандартные веб-результаты (список URL).

На что влияет

• Специфические запросы: Наибольшее влияние оказывается на неоднозначные запросы (например, [lost], [matrix]), а также на запросы, содержащие временные маркеры (например, [movies 8pm]).
• Конкретные ниши или тематики: Влияет исключительно на нишу развлечений, ТВ, кино и стримингового видео.

Когда применяется

• Триггеры активации:
  • Наличие явного префикса (например, «tv:», «movie:»).
  • Совпадение термина запроса с whitelist медиа-сущностей с высокой степенью уверенности.
  • Наличие медиа-специфичного формата, особенно временных указателей (time-based terms).
  • Высокая оценка релевантности от machine learning system.
• Исключения: Система не активируется, если в запросе присутствуют термины из blacklist, указывающие на немедийный интент.
• Условия для специализированного UI (Claim 1): Активируется строго при одновременном наличии идентифицированного media-related term И time-based term в запросе.

Пошаговый алгоритм

Процесс идентификации медиа-запроса (на основе описания и FIG. 4):

1. Парсинг запроса: Система получает и разбирает запрос на компоненты (слова, группы слов, туплы). Может включать нормализацию регистра и удаление стоп-слов.
2. Определение контекста: Система определяет источник запроса. Если запрос пришел со страницы медиа-поиска, он предварительно считается медиа-ориентированным.
3. Проверка явных флагов/префиксов: Проверяется наличие «жестких триггеров» (например, «tv:», «movie:»). Если найдены, запрос классифицируется как медиа-ориентированный.
4. Проверка медиа-специфичного формата: Система ищет в запросе форматы, указывающие на время (например, «x:xx», «pm/am», дни недели, даты, «primetime»).
5. Проверка по спискам (Whitelists/Blacklists): Термины запроса сравниваются с белыми списками медиа-сущностей и жанров. Упоминается использование finite state automata для эффективного поиска подстрок. Также проверяются черные списки.
6. Применение машинного обучения (Параллельный процесс): Запрос обрабатывается machine learning system.
   • Система может использовать web-based kernel function для измерения схожести.
   • Может генерироваться context vector на основе веб-документов, связанных с терминами запроса.
   • Оценивается схожесть вектора запроса с векторами медиа-концепций.
7. Принятие решения и генерация результатов: На основе собранных сигналов система классифицирует запрос.
   • Если НЕ медиа: Предоставить стандартные веб-результаты.
   • Если медиа: Идентифицировать программы/эпизоды. Если также присутствуют временные термины (Claim 1), транслировать их во временной диапазон и сгенерировать комбинированный результат (Список эпизодов + Сетка программы).

Какие данные и как использует

Данные на входе

• Контентные факторы (в запросе): Термины запроса, их капитализация (может указывать на имена собственные), наличие префиксов («tv:», «movie:»).
• Структурные факторы (в запросе): Формат запроса, в частности наличие временных указателей (time-based terms).
• Географические факторы: Наличие идентификаторов локации в запросе (например, ZIP-коды). Также используется сохраненная локация пользователя для определения Head End.
• Пользовательские факторы (Контекст): Страница, с которой был отправлен запрос. История поиска и кликов (используется для офлайн-обучения ML-моделей).
• Системные данные: Whitelists, Blacklists, структурированные медиа-базы данных (для расписаний), общий веб-индекс.

Какие метрики используются и как они считаются

• Measure of similarity (Мера схожести): Используется для сравнения context vector запроса с другими концепциями. Упоминается косинусное расстояние (cosine coefficient).
• Confidence Score (Оценка уверенности): Вероятностная оценка того, что запрос является медиа-ориентированным. Упоминается, что термины в whitelist могут быть взвешены в зависимости от того, как часто они относятся к медиа (например, если 50% поисков по [lost] приводят к кликам на медиа-сайты, уверенность может быть 0.5).
• Distance (Расстояние): Метрика в системе машинного обучения, определяющая расстояние (семантическую близость) между терминами запроса и терминами в обученной модели (Claim 4).
• Алгоритмы машинного обучения: Упоминаются логистическая регрессия (logistic regression), байесовский вывод (Bayesian inference) и finite state automata (для быстрого сравнения со списками).
• Web-based Kernel Function: Специфический метод измерения схожести коротких текстовых сниппетов (описанный в цитируемой статье Sahami et al.), который использует веб-поиск для генерации контекста и оценки связи между терминами.

Выводы

1. Идентификация медиа-интента многофакторна: Google не полагается на один метод. Система комбинирует явные сигналы (префиксы, время), предварительно составленные списки (whitelists/blacklists) и сложные методы машинного обучения для классификации запросов.
2. Разрешение неоднозначности через ML и контекст: Для неоднозначных запросов система активно использует машинное обучение. Упоминаются методы генерации context vector и использования web-based kernel function для анализа связанных веб-документов, чтобы определить наиболее вероятный интент пользователя.
3. Важность временных сигналов в запросах: Наличие time-based terms является сильным индикатором медиа-интента, связанного с расписанием. Claim 1 особо выделяет, что комбинация медиа-термина и временного термина запускает генерацию сложного специализированного интерфейса (Список + Сетка).
4. Использование «Белых списков» сущностей: Система активно использует списки известных медиа-сущностей. Попадание в эти списки (т.е. становление известной сущностью в Knowledge Graph) критично для запуска специализированных медиа-результатов.
5. Модификация запросов для улучшения релевантности: Патент подтверждает, что Google может переписывать запросы, добавляя классификаторы (например, слово «movie» или «tv»), чтобы сузить результаты из общего веб-индекса до нужной тематики (Claim 7).

Практика

Best practices (это мы делаем)

• Обеспечение распознавания сущностей (Entity Optimization): Критически важно, чтобы контент (названия шоу, фильмов, имена актеров) был распознан Google как медиа-сущность и попал в whitelists (Knowledge Graph). Это достигается через последовательное использование структурированных данных (Schema.org для TVSeries, Movie, Person), наличие страниц на авторитетных ресурсах (Wikipedia, IMDB).
• Использование временных и локальных маркеров: При продвижении контента, связанного с расписанием, важно четко указывать эту информацию в тексте и метаданных. Это помогает Google коррелировать контент с запросами, содержащими time-based terms, и правильно определять локальный контекст (Head End).
• Создание авторитета в медиа-вертикали: Поскольку система использует машинное обучение и анализ контекста (context vector) для определения интента, важно развивать сайт как авторитетный источник медиа-информации. Это повышает вероятность того, что контент сайта будет сочтен релевантным при обработке медиа-запросов.
• Оптимизация под связанные сущности и жанры: Создание контента, который устанавливает связи между сущностями (например, «Фильмы Тома Хэнкса в жанре драма»), помогает системе лучше классифицировать ваш контент как медиа-ориентированный, используя данные о жанрах и связях.

Worst practices (это делать не надо)

• Неоднозначное именование контента: Создание медиапродукта с общим названием без сильных сигналов бренда затруднит системе классификацию запросов о нем как медиа-ориентированных, так как Confidence Score будет низким.
• Игнорирование структурированных данных для расписаний: Предоставление расписаний показов только в виде изображений или неструктурированного текста не позволяет поисковой системе извлечь данные для формирования schedule grid или списка эпизодов.
• Использование медиа-терминов для не-медиа контента (Clickbait): Попытка манипулировать классификатором интента путем использования популярных медиа-терминов для нерелевантного контента может привести к попаданию в blacklists или понижению ранжирования из-за плохих поведенческих факторов.

Стратегическое значение

Этот патент подчеркивает стратегическую важность Понимания Запросов (Query Understanding) в архитектуре Google. Для SEO-специалистов это подтверждает необходимость смещения фокуса с ключевых слов на сущности (Entities) и интент (Intent). В медиа-нише стратегическое преимущество получают те сайты, которые предоставляют полные, структурированные данные о медиа-объектах, позволяя Google использовать их для заполнения специализированных блоков выдачи (one box, schedule grid) и обеспечивая попадание этих объектов в систему знаний Google.

Практические примеры

Сценарий: Оптимизация страницы нового фильма для запуска специализированной выдачи

1. Задача: Убедиться, что запросы о новом фильме «Project Alpha» вызывают медиа-результаты, а не результаты о других проектах с таким названием.
2. Действия (Основанные на патенте):
   • (Whitelists/Entities): Создать страницы фильма на Wikipedia и IMDB. Внедрить разметку Schema.org/Movie на официальном сайте, четко указав название, режиссера и актеров.
   • (Time-based terms): Внедрить разметку Event для премьеры и расписания показов. В контенте использовать фразы типа «Дата выхода Project Alpha».
   • (Query Reformation — Помощь системе): Убедиться, что в Title и H1 на официальном сайте используется дескриптор, например, «Project Alpha — Фильм (2025)». Это помогает системе при внутреннем переписывании запросов (Claim 7).
   • (Machine Learning Context): Публиковать пресс-релизы и статьи, связывающие название фильма с медиа-терминами (жанр, имена актеров, сравнение с другими фильмами), чтобы повлиять на context vector, связанный с этим названием.
3. Ожидаемый результат: При запросах [Project Alpha] или [Project Alpha tonight] Google классифицирует интент как медиа-ориентированный и показывает Knowledge Panel фильма, расписание сеансов или другие специализированные медиа-блоки, используя данные с оптимизированного сайта.

Вопросы и ответы