Как Google распознает сущности в выделенном пользователем контенте и предлагает релевантные действия

Описание

Какую задачу решает

Патент решает проблему неспособности компьютерных систем понять семантическое значение контента, выделенного пользователем на экране. Традиционные системы воспринимают выделенный текст просто как набор символов, не распознавая стоящую за ним сущность (например, название ресторана). Это усложняет взаимодействие с контентом, особенно на мобильных и сенсорных устройствах, где точное выделение затруднено. Изобретение направлено на улучшение пользовательского опыта (UX) путем автоматического распознавания объекта выделения и предложения релевантных действий.

Что запатентовано

Запатентована система для интеллектуальной интерпретации контента, выбранного пользователем. Суть изобретения заключается в определении референтной сущности (referent entity) — конкретного объекта реального мира (человека, места, предмета), к которому относится выделенный фрагмент. Система анализирует не только сам выделенный контент, но и широкий контекст (context) выделения (местоположение устройства, предыдущие действия пользователя, окружающий контент) для точной идентификации сущности. После идентификации система предсказывает намерение пользователя (predicted user purpose) и предлагает соответствующие действия (actions).

Как это работает

Механизм работает следующим образом:

• Выделение контента: Пользователь выделяет контент на экране (например, обводит текст на веб-странице).
• Сбор контекста: Система собирает контекстуальные данные (contextual data): местоположение, время, приложение, историю поиска, окружающий текст.
• Идентификация референта: Выделенный контент и контекст анализируются с использованием Базы данных сущностей (Entity Database). Система определяет кандидатов и взвешивает их вероятность (weight value).
• Предсказание цели и действий: Для наиболее вероятной сущности система определяет возможные цели пользователя и предлагает список действий (например, «Позвонить», «Маршрут», «Отзывы»).
• Выполнение действия: Пользователь выбирает действие, и система его выполняет.

Актуальность для SEO

Высокая. Патент описывает фундаментальные принципы технологий, которые активно используются в современных операционных системах и приложениях, таких как умное выделение текста в Android (Smart Text Selection), Google Lens и функции анализа экрана (например, Circle to Search). Понимание сущностей и контекстное взаимодействие критически важны для современного мобильного опыта.

Важность для SEO

Влияние на SEO (4/10). Патент не описывает алгоритмы ранжирования веб-поиска и фокусируется на UI/UX. Однако он имеет высокое стратегическое значение для Senior SEO-специалистов, так как детально раскрывает механизмы, которые Google использует для идентификации и интерпретации сущностей (Entity Recognition) внутри контента. Он подтверждает критическую важность Entity Database (Knowledge Graph) и демонстрирует, как контекст и даже ссылочные данные используются для понимания контента на странице.

Детальный разбор

Термины и определения

Action (Действие)

Конкретное действие, предлагаемое пользователю для достижения цели (Purpose). Примеры: «Проложить маршрут», «Позвонить», «Купить».

Context / Contextual Data (Контекст / Контекстуальные данные)

Информация, связанная с моментом выделения контента. Включает местоположение устройства (текущее, прошлое), историю поиска, окружающий текст на странице, тип устройства, время суток, информацию о связанных пользователях.

Descriptors (Дескрипторы)

Атрибуты или свойства сущности в Entity Database. Метки, классифицирующие сущность (например, «ресторан», «продукт», «известная личность»).

Entity Database (База данных сущностей)

Хранилище данных о сущностях и связанной с ними информации (дескрипторы, цели, действия). Функциональный аналог Knowledge Graph. Может обновляться автоматически на основе поведения пользователей.

Predicted User Purpose (Предполагаемая цель пользователя)

Предположение системы о том, чего хочет достичь пользователь, выделяя контент (например, «посетить», «связаться»).

Referent / Referent Entity (Референт / Референтная сущность)

Конкретная сущность (человек, место, физический объект), которая является предполагаемым объектом выделения пользователя.

Weight Value (Весовое значение)

Числовая оценка (скоринг), указывающая на вероятность того, что данная сущность является искомым референтом выделенного контента.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод идентификации сущности.

1. Система идентифицирует referent entity из списка сущностей.
2. Идентификация основана на (А) выбранном пользователем контенте и (Б) контексте, в котором этот контент был выбран.
3. Референтная сущность определяется как конкретный человек, место или физический объект.
4. Референтной сущности присваивается weight value, указывающее на вероятность того, что она является искомым референтом.

Ядром изобретения является использование контекста для разрешения неоднозначности и применение взвешивания для выбора наилучшего кандидата.

Claim 2 (Зависимый от 1): Детализирует состав контекста. Он включает как минимум одно из: текущее/прошлое местоположение устройства, тип устройства, предыдущее использование контента, поисковый запрос, информация о связанных пользователях, источник контента и невыделенный (окружающий) контент.

Claim 5 (Зависимый от 2): Описывает специфику обработки веб-страниц. Если источник контента — веб-страница, идентификация референта может основываться на:

• Других веб-страницах, которые ссылаются на текущую страницу (входящие ссылки).
• Других веб-страницах, на которые ссылается текущая страница (исходящие ссылки).
• Тексте или изображениях на этой веб-странице.

Это указывает на использование ссылочного графа для валидации и понимания сущностей на странице.

Claim 7 (Зависимый от 2): Описывает метод идентификации через поиск. Референтная сущность может быть идентифицирована на основе сущностей, найденных в ответе на поисковый запрос, выполненный по выделенному контенту.

Claim 11 (Зависимый от 2): Комбинирует поиск и геолокацию. Референтная сущность идентифицируется на основе близости к текущему местоположению устройства тех сущностей, которые имеют как минимум определенное пороговое значение ранжирования (predetermined ranking value) в результатах поиска по выделенному контенту.

Где и как применяется

Этот патент описывает механизм взаимодействия с пользователем (UI/UX), который работает на уровне клиентского устройства (ОС или приложения), но тесно интегрирован с базовыми системами Google.

INDEXING – Индексирование и извлечение признаков
На этом этапе происходит наполнение Entity Database (Knowledge Graph). Система анализирует веб-контент, распознает сущности, извлекает их свойства и классифицирует их. Согласно патенту, эта база также может обновляться на основе анализа поведения пользователей. Качество этой базы данных критично для работы описанной технологии.

QUNDERSTANDING – Понимание Запросов
В контексте этого патента «запросом» является выделенный пользователем контент. Система должна интерпретировать этот фрагмент, используя Context, чтобы разрешить неоднозначности и понять намерение пользователя. Это процесс понимания «запроса на взаимодействие».

RANKING – Ранжирование (Интерпретаций)
Система использует ранжирование для выбора наиболее вероятной referent entity, присваивая кандидатам weight value. Кроме того, стандартное поисковое ранжирование используется, если система выполняет поиск по выделенному тексту для идентификации референта (Claims 7, 11).

Входные данные:

• Выделенный пользователем контент (текст, изображение).
• Контекстуальные данные (местоположение, история поиска, URL и контент текущей страницы, данные о пользователе).

Выходные данные:

• Идентификатор наиболее вероятной Referent Entity.
• Список предлагаемых действий (Actions), релевантных сущности и контексту.

На что влияет

• Конкретные типы контента: Влияет на взаимодействие с любым контентом, содержащим распознаваемые сущности: статьи, обзоры продуктов, страницы локального бизнеса, контактная информация.
• Конкретные ниши или тематики: Наибольшее влияние в нишах, ориентированных на действия: локальный бизнес (рестораны, услуги), e-commerce (покупка товаров), путешествия (бронирование, маршруты).
• Форматы контента: Применимо к тексту и изображениям. Улучшает взаимодействие с неструктурированным текстом, позволяя извлекать из него структурированные данные и действия.

Когда применяется

• Триггеры активации: Алгоритм активируется в момент, когда пользователь совершает действие по выделению контента на устройстве (например, долгое нажатие, обводка текста или объекта на сенсорном экране).
• Условия применения: Применяется, если система способна распознать в выделенном фрагменте потенциальную referent entity с достаточным уровнем уверенности (weight value), используя доступный контекст.

Пошаговый алгоритм

1. Выбор контента: Пользователь выделяет контент в приложении (например, в браузере).
2. Сбор контекста: Система собирает контекстуальные данные: текущее местоположение устройства, предыдущие действия пользователя (включая историю поиска), анализ окружающего контента на странице.
3. Интерпретация и идентификация кандидатов: Выделенный контент анализируется для поиска потенциальных referent entities в Entity Database. Могут использоваться различные методы:
   • Выполнение поискового запроса по выделенному тексту и анализ топовых результатов (Claim 7).
   • Анализ URL текущей страницы и поиск связанных с ней сущностей.
   • Анализ ссылающихся страниц для уточнения сущностей на текущей странице (Claim 5).
4. Контекстуальное взвешивание и разрешение неоднозначностей (Disambiguation): Если найдено несколько кандидатов, система использует контекст для присвоения им weight value. Например, сущность, географически близкая к пользователю (Claim 9) или имеющая высокий ранг в поиске (Claim 11), получит больший вес.
5. Выбор референта: Выбирается сущность с наибольшим весом.
6. Предсказание цели: На основе выбранной сущности и контекста определяется predicted user purpose (например, если выделен ресторан, цель — «посетить»).
7. Представление действий: Пользователю отображается список релевантных Actions, связанных с этой целью (например, «Проложить маршрут»).
8. Выполнение действия: Система выполняет действие, выбранное пользователем.

Какие данные и как использует

Данные на входе

• Контентные факторы: Текст или изображение, выделенные пользователем. Окружающий (невыделенный) текст на странице (используется как контекст).
• Технические факторы: URL текущей страницы. Тип устройства.
• Ссылочные факторы: Входящие и исходящие ссылки текущей страницы. Они используются для помощи в идентификации референта (Claim 5). Например, текст на ссылающихся страницах может использоваться для валидации или исправления сущностей на текущей странице.
• Поведенческие факторы: История поиска пользователя. Предыдущие действия пользователя. Агрегированные данные о том, как другие пользователи взаимодействовали с этим контентом или сущностью.
• Географические факторы: Текущее и прошлое местоположение устройства (GPS). Близость сущностей к пользователю является сильным сигналом (Claim 9).
• Пользовательские факторы: Информация о связанных пользователях (из контактов, социальных сетей), их действия и интересы.

Какие метрики используются и как они считаются

• Weight Value (Весовое значение сущности): Вероятностная оценка того, что данная сущность является искомым референтом. Рассчитывается на основе комбинации сигналов: совпадение текста, контекстуальная релевантность (близость, история поиска).
• Ranking Value (Ранг в поиске): Используется, если система выполняет поиск по выделенному тексту (Claims 7, 11). Сущности, занимающие высокие позиции в результатах этого поиска, являются сильными кандидатами.
• Proximity (Близость): Географическое расстояние между местоположением пользователя и сущностью.
• Весовые значения действий (Action Weights): Метрики для ранжирования предлагаемых действий. Могут основываться на частоте выбора этого действия пользователями или оценке времени, которое это действие экономит пользователю. Веса могут уменьшаться, если пользователи игнорируют действие.

Выводы

1. Приоритет сущностей и контекста: Патент демонстрирует, что для интерпретации контента Google полагается на распознавание конкретных сущностей (Entities) и анализ широкого контекста (Context) для разрешения неоднозначностей (например, определение, является ли «Apple» компанией или фруктом на основе истории поиска и окружающего текста).
2. Критическая роль Entity Database (Knowledge Graph): Функционирование системы полностью зависит от наличия обширной и точной Entity Database. Система должна знать о существовании сущности и ее атрибутах, чтобы предложить релевантные действия.
3. Использование внешних данных для валидации контента (Claim 5): Система может использовать информацию со ссылающихся страниц для уточнения или даже исправления сущностей на текущей странице. Это подчеркивает важность внешних сигналов (ссылок и упоминаний) для подтверждения сущности.
4. Интеграция Поиска и Геолокации для интерпретации (Claim 11): Система может выполнять поиск по выделенному тексту и отдавать предпочтение тем сущностям, которые высоко ранжируются в результатах И находятся близко к пользователю.
5. От контента к действию (Task Completion): Конечная цель системы — не просто распознать сущность, а предсказать цель пользователя (Purpose) и предложить полезное действие (Action), сокращая время на достижение цели.

Практика

ВАЖНО: Патент описывает механизм взаимодействия с пользователем (UX), а не алгоритм ранжирования в поиске. Практические выводы для SEO касаются того, как улучшить распознаваемость и интерпретацию сущностей вашего сайта системами Google.

Best practices (это мы делаем)

• Четкое и однозначное представление сущностей: Убедитесь, что ключевые сущности (названия компании, адреса, имена авторов, названия продуктов) представлены в контенте точно и в текстовом формате. Это облегчает их идентификацию как referent entity.
• Внедрение структурированных данных (Schema.org): Использование микроразметки помогает Google точно извлекать сущности и их свойства в Entity Database. Чем точнее данные о вашей сущности в базе Google, тем лучше будут работать контекстные действия (например, звонок или маршрут).
• Усиление локальных сигналов (Local SEO): Поскольку местоположение пользователя (Proximity) является одним из самых сильных контекстуальных сигналов (Claim 9), критически важно поддерживать актуальность Google Business Profile и обеспечивать согласованность NAP (Name, Address, Phone).
• Построение авторитетности и качественных ссылок: Патент явно указывает (Claim 5), что данные со ссылающихся страниц используются для идентификации и валидации референта. Качественные ссылки и упоминания на авторитетных ресурсах помогают Google правильно интерпретировать контент о вашей сущности.

Worst practices (это делать не надо)

• Неоднозначное упоминание сущностей: Использование названий, которые могут быть легко спутаны с другими популярными сущностями без предоставления достаточного контекста для их различения.
• Ошибки в названиях и именах: Ошибки в контенте могут привести к неправильной идентификации сущности, хотя система и пытается их исправлять с помощью внешних данных (Claim 5).
• Предоставление ключевой информации в виде изображений: Размещение адресов, телефонов или названий в виде графики мешает пользователям выделять этот контент, а системе — его интерпретировать (хотя патент и упоминает обработку изображений).

Стратегическое значение

Патент подтверждает стратегический курс Google на переход к «индексу сущностей и действий». Для SEO это означает, что долгосрочная стратегия должна фокусироваться на построении четкого семантического представления бизнеса. Необходимо, чтобы Google точно понимал, какие сущности представляет ваш сайт, какие атрибуты они имеют и какие действия с ними можно совершить. Это укрепляет связь между авторитетностью сущности (связанной с E-E-A-T) и конечным пользовательским опытом.

Практические примеры

Сценарий: Использование ссылок для валидации сущности (на основе Claim 5)

1. Ситуация: На сайте компании допущена опечатка в названии ключевого продукта (например, «iPone» вместо «iPhone»).
2. Действие пользователя: Пользователь выделяет текст «iPone» на странице.
3. Работа механизма: Система ищет «iPone» в Entity Database, но находит слабые совпадения. Однако система анализирует входящие ссылки на эту страницу (Claim 5).
4. Валидация: Авторитетные новостные сайты и обзорные площадки ссылаются на эту страницу, используя в анкорах и окружающем тексте правильное название «iPhone».
5. Результат: Система использует эти внешние данные для коррекции и идентифицирует Referent Entity как «iPhone». Пользователю предлагаются действия, связанные с покупкой или обзорами iPhone.

Сценарий: Локальная оптимизация и контекстные действия (на основе Claim 9 и 11)

1. Ситуация: Пользователь находится в центре города и читает статью «Лучшие пиццерии района», выделяя название «Pizza Palace».
2. Оптимизация: «Pizza Palace» имеет оптимизированный GBP и использует Schema.org, обеспечивая сильное присутствие в Entity Database и высокое ранжирование по локальным запросам.
3. Работа механизма: Система идентифицирует «Pizza Palace» как кандидата. Она использует текущее местоположение пользователя (Context) и проверяет близость (Claim 9). Также она может проверить ранг сущности в поиске (Claim 11).
4. Результат: Поскольку сущность находится рядом и авторитетна, ей присваивается высокий Weight Value. Система предлагает пользователю действия «Маршрут» и «Позвонить», облегчая конверсию.

Вопросы и ответы