Как Google автоматически определяет границы районов и локальные названия, анализируя ошибки геокодирования адресов

Описание

Какую задачу решает

Патент решает проблему неполноты данных в Географической Информационной Системе (GIS). Стандартные GIS могут не содержать локальные названия районов, кварталов, жилых комплексов или неофициальные названия местностей. Когда пользователь вводит запрос или система обрабатывает адрес, содержащий такой неизвестный термин, процесс геокодирования (преобразования текста в координаты) дает сбой (geocoding failure) или замедляется. Это ухудшает качество и скорость локального поиска и точность таргетинга рекламы.

Что запатентовано

Запатентован автоматизированный метод обнаружения неизвестных географических терминов и определения их границ для дополнения GIS. Система анализирует большой массив уличных адресов. Если адрес не распознается из-за определенного термина, система удаляет этот термин (создавая redacted address) и геокодирует оставшуюся часть. Собрав облако точек (point cloud) из множества таких успешных геокодирований для одного и того же неизвестного термина, система вычисляет ограничивающую область (bounding area) и добавляет эту связь (термин + область) в GIS.

Как это работает

Механизм работает следующим образом:

• Сбор данных: Система аккумулирует большой объем уличных адресов (например, из веб-страниц, баз данных бизнесов или логов запросов).
• Обнаружение неизвестных терминов: Система пытается геокодировать каждый адрес. Если происходит сбой, она итеративно удаляет по одному термину (или группе терминов) и повторяет попытку.
• Идентификация и Ассоциация: Если удаление термина приводит к успешному геокодированию, этот термин помечается как отсутствующий в GIS, и ему сопоставляются полученные координаты.
• Агрегация координат: Для каждого неизвестного термина формируется облако точек (point cloud).
• Определение границ: Система анализирует облако точек и вычисляет bounding area (например, с помощью алгоритма Convex Hull), которая охватывает эти точки.
• Обновление GIS: Неизвестный термин (например, название района) и его вычисленные границы добавляются в GIS как новый объект (feature).

Актуальность для SEO

Высокая. Понимание гиперлокальных сущностей и точного географического контекста критически важно для мобильного и локального поиска. Автоматическое расширение географического графа знаний на основе анализа неструктурированных данных остается актуальной задачей. Этот метод позволяет системе адаптироваться к локальным названиям и изменениям в городской среде без ручного вмешательства.

Важность для SEO

Патент имеет важное значение (7.5/10), особенно для локального SEO (Local SEO). Он не описывает алгоритм ранжирования, но раскрывает механизм, с помощью которого Google учится понимать границы районов и локальные названия, отсутствующие в официальных базах данных. Это напрямую влияет на точность интерпретации локальных запросов. Понимание этого механизма подчеркивает важность консистентного и полного указания адресов (NAP) в интернете, так как эти данные служат сырьем для обучения GIS.

Детальный разбор

Термины и определения

Geographic Information System (GIS) (Географическая информационная система)

Система для хранения и управления географическими данными. Связывает названия объектов (features) с их местоположением (geolocation) и хранит иерархические связи между ними.

Geocoding (Геокодирование)

Процесс преобразования текстового описания местоположения (адреса) в географические координаты (широту и долготу).

Geocoding Failure (Сбой геокодирования)

Ситуация, когда GIS не может определить координаты для входной строки, часто из-за наличия нераспознанных терминов.

Street Address Data Store (Хранилище уличных адресов)

База данных адресов, полученных из различных источников (логи запросов, сканирование веб-сайтов, списки организаций).

Redacted Address (Отредактированный адрес)

Адрес, из которого был удален один или несколько терминов (обычно нераспознанный GIS) для повторной попытки геокодирования.

Point Cloud (Облако точек)

Набор геолокаций, связанных с определенным термином, полученных в результате успешного геокодирования redacted addresses.

Bounding Area (Ограничивающая область)

Вычисленная географическая область, которая охватывает point cloud. Определяет границы нового географического объекта.

Convex Hull (Выпуклая оболочка)

Один из методов определения Bounding Area. Это наименьший выпуклый многоугольник, содержащий все точки заданного множества.

Alpha Shape (Альфа-форма)

Альтернативный метод определения Bounding Area, который может лучше описывать форму облака точек, включая вогнутые участки.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод дополнения GIS.

1. Система сравнивает уличные адреса с GIS для выявления адресов с нераспознанным термином. Это включает сегментацию адреса и проверку терминов в GIS.
2. Нераспознанный термин удаляется для формирования redacted addresses.
3. Система получает множество геолокаций для redacted addresses из GIS.
4. Система определяет bounding area для этого множества геолокаций.
5. Система дополняет GIS новой записью, связывающей bounding area с нераспознанным термином.

Claim 3 (Зависимый от 1): Уточняет условия обработки термина для обеспечения надежности.

Система обрабатывает только те нераспознанные термины, которые встречаются в большем, чем пороговое количество (threshold amount), адресов. Это фильтр для отсеивания случайных ошибок или слишком редких терминов.

Claim 5 (Зависимый от 1): Описывает обработку терминов, встречающихся в разных городах (например, «Центр»).

1. Система получает идентификатор города для каждой геолокации.
2. Геолокации группируются по городам.
3. Определяется несколько bounding areas — по одной для каждой группы в конкретном городе. Это предотвращает создание некорректной области, охватывающей несколько городов.

Claim 7, 8, 11 (Зависимые от 1): Описывают методы определения bounding area.

• Claim 8: Область определяется по периметру convex hull (выпуклой оболочки).
• Claim 11: Область определяется согласно alpha shape (альфа-форме).
• Claim 7: Область определяется как объединение единичных географических ячеек (unit geographic areas), включающих геолокации.

Claim 13 (Зависимый от 1): Уточняет процесс дополнения GIS.

Дополнение GIS включает определение иерархических отношений (hierarchical relationship) с другими объектами, например, указание, что новый термин относится к объекту (району) внутри определенного города.

Где и как применяется

Изобретение относится к этапам сбора и обработки данных для улучшения базовой географической инфраструктуры поиска.

CRAWLING – Сканирование и Сбор данных
На этом этапе собирается сырье для анализа — уличные адреса. Они могут быть получены путем сканирования веб-сайтов (например, каталогов организаций, страниц контактов) или из логов поисковых запросов (logged queries), а также из сторонних баз данных.

INDEXING – Индексирование и извлечение признаков
Основная работа алгоритма происходит на этом этапе в офлайн-режиме. Модуль обновления GIS (GIS-update module) выполняет анализ собранных адресов, взаимодействует с текущей версией GIS для попыток геокодирования, идентифицирует отсутствующие термины, вычисляет bounding areas и обновляет базу данных GIS (которая является частью индекса или Графа Знаний). Это процесс обогащения данных.

QUNDERSTANDING – Понимание Запросов
Результаты работы патента используются на этом этапе в реальном времени. Благодаря тому, что GIS была дополнена новыми терминами (например, названиями районов), система понимания запросов может мгновенно распознать эти термины в запросе пользователя и точно определить их географический контекст.

RANKING / RERANKING (Локальное ранжирование)
Более точное понимание географического интента запроса позволяет системам ранжирования (особенно в локальном поиске и на картах) и рекламным серверам (ad server) предоставлять более релевантные результаты.

Входные данные:

• Массив уличных адресов (Street Address Data Store).
• Текущая база данных GIS.

Выходные данные:

• Дополненная база данных GIS с новыми записями, связывающими термины с bounding areas.
• Обновленные иерархические связи в GIS.

На что влияет

• Конкретные типы контента: Контент, содержащий адреса — профили организаций (Google Business Profile), каталоги, сайты недвижимости, страницы контактов.
• Специфические запросы: Локальные запросы (Local Search), содержащие неформальные или новые названия районов, кварталов, жилых комплексов, которые отсутствуют на официальных картах.
• Конкретные ниши или тематики: Локальный бизнес, недвижимость, логистика, туризм.

Когда применяется

• Условия работы алгоритма: Алгоритм применяется в офлайн-режиме для обработки больших массивов собранных адресов. Это происходит периодически или при накоплении порогового количества новых данных или сбоев геокодирования.
• Триггеры активации: Сбой при попытке геокодирования полного адреса в GIS (geocoding failure).
• Пороговые значения: Для добавления нового термина в GIS он должен встретиться в достаточном количестве адресов (Claim 3), и для него должно быть сгенерировано достаточное количество геолокаций в пределах одного города (Claim 6). Это обеспечивает надежность данных.

Пошаговый алгоритм

Этап А: Идентификация неизвестных терминов и сбор геолокаций

1. Получение адреса: Система извлекает уличный адрес из Street Address Data Store.
2. Первичная попытка геокодирования: Система пытается геокодировать полный адрес с помощью GIS.
3. Проверка результата: Если сбой, переход к шагу 4. Если успешно, переход к следующему адресу.
4. Итеративное редактирование: Система начинает процесс итеративного удаления терминов:
   1. Удаляется один термин из строки.
   2. Предпринимается попытка геокодирования redacted address.
   3. Если сбой, термин возвращается, и удаляется следующий термин.
5. Обработка сложных случаев: Если удаление одного термина не помогло, система переходит к удалению двух или более последовательных терминов.
6. Успешное геокодирование: Как только redacted address успешно геокодируется, система ассоциирует удаленный термин(ы) с полученной геолокацией.
7. Повторение: Процесс повторяется для всех адресов в хранилище.

Этап Б: Определение границ и обновление GIS

1. Получение данных: Система агрегирует список терминов и соответствующие им геолокации (облака точек).
2. Фильтрация (Порог): Система проверяет, превышает ли количество геолокаций для термина установленный порог (Claim 3). Если нет, термин игнорируется.
3. Группировка по городам: Геолокации группируются по городам, используя иерархию GIS (Claim 5), для обработки неоднозначных названий.
4. Определение Bounding Area: Для каждой группы геолокаций вычисляется ограничивающая область. Используются алгоритмы, такие как Convex Hull, Alpha Shape или объединение ячеек сетки. Выбросы (outliers) могут быть отброшены (Claim 12).
5. Дополнение GIS: Система создает новую запись в GIS, связывая термин с вычисленной bounding area.
6. Обновление иерархии: Система обновляет иерархические связи (например, Район X находится в Городе Y) (Claim 13).

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании структурированных или полуструктурированных адресных данных.

• Контентные факторы: Текстовые строки, представляющие собой уличные адреса. Система сегментирует эти строки на отдельные термины (компоненты адреса: номер дома, название улицы, город, индекс, названия районов).
• Географические факторы (Системные данные): Существующая база данных GIS, включающая известные названия объектов и их геолокации, а также иерархические отношения.
• Источники данных (Упомянутые в патенте):
  • Логи запросов поисковой системы (query log).
  • Сканирование адресов с веб-сайтов (scraping addresses from websites).
  • Списки адресов организаций (lists of business addresses).

Какие метрики используются и как они считаются

Система не вычисляет метрики ранжирования, а фокусируется на метриках достоверности и географических вычислениях.

• Успех/Сбой геокодирования: Бинарная метрика, получаемая от GIS при попытке преобразовать адрес в координаты.
• Порог частотности термина (Threshold amount of addresses): Минимальное количество адресов, в которых должен появиться нераспознанный термин, чтобы он был рассмотрен для добавления в GIS (Claim 3).
• Порог количества геолокаций (Threshold amount of geolocations): Минимальное количество точек в облаке, необходимое для надежного определения bounding area в пределах одного города (Claim 6).
• Геометрические вычисления (Bounding Area Calculation):
  • Convex Hull: Алгоритм для нахождения минимального выпуклого многоугольника (Claim 8).
  • Alpha Shape: Алгоритм для определения формы облака точек (Claim 11).
  • Union of unit cells: Определение области путем объединения ячеек сетки (Claim 7).

Выводы

1. Автоматическое расширение Географического Графа Знаний: Патент описывает механизм, позволяющий Google автоматически изучать географию мира путем анализа ошибок в существующих данных. Система не полагается только на официальные карты, а извлекает знания из того, как люди реально описывают местоположения (в адресах и запросах).
2. Использование неструктурированных данных для улучшения GIS: Сырьем для системы служат реальные уличные адреса, найденные в интернете или в логах запросов. Это подчеркивает, что любая адресная информация, публикуемая в сети, может быть использована Google для обогащения своих баз данных.
3. Отказоустойчивость через редактирование (Redaction): Метод итеративного удаления терминов для достижения успешного геокодирования является ключевым для определения того, какой именно компонент адреса неизвестен системе и где он предположительно находится.
4. Статистический подход к определению границ: Границы (bounding area) вычисляются на основе агрегированных данных (point cloud) с использованием геометрических алгоритмов (Convex Hull, Alpha Shape). Система использует пороговые значения для обеспечения надежности этих вычислений.
5. Важность иерархии: Система учитывает географическую иерархию (Claim 5), группируя точки по городам перед вычислением границ. Это критически важно для корректной обработки неоднозначных названий (например, «Центральный район»).

Практика

Best practices (это мы делаем)

• Максимально полные и точные адреса: Указывайте полные адреса на сайте и в Google Business Profile. Включайте релевантные локальные идентификаторы (название района, БЦ, ЖК, если применимо). Эти данные являются сырьем для обучения GIS.
• Консистентность NAP (Name, Address, Phone): Обеспечьте абсолютную консистентность адреса на всех площадках (сайт, каталоги, социальные сети). Это помогает Google собирать чистые данные для анализа и корректно ассоциировать ваш бизнес с определенными географическими терминами и их границами.
• Использование локальных названий в контенте и адресах: Если ваш бизнес находится в районе с устоявшимся локальным названием (даже неофициальным), используйте это название в адресных блоках и контенте. Это повышает вероятность того, что ваш адрес будет использован системой для определения границ этого района.
• Микроразметка Schema.org/LocalBusiness: Используйте детальную микроразметку для адреса (addressLocality, postalCode и т.д.). Хотя патент работает и с неструктурированными данными, структурированные данные помогают GIS в целом и могут ускорить корректное распознавание.

Worst practices (это делать не надо)

• Использование нечетких или неполных адресов: Указание только города или района без точного адреса не помогает этой системе. Патент основан на анализе полных уличных адресов, которые можно точно геокодировать после удаления неизвестного термина.
• Ошибки и вариативность в написании адреса: Разное написание адреса на разных ресурсах вносит шум в данные, усложняя процесс идентификации терминов и агрегации геолокаций.
• Спам локальными ключевыми словами в адресе: Добавление лишних ключевых слов или нерелевантных географических терминов в поле адреса может привести к сбоям геокодирования, которые не будут интерпретированы системой корректно, или к созданию некорректных ассоциаций в GIS.

Стратегическое значение

Этот патент подтверждает стратегию Google на максимальную автоматизацию сбора и структурирования данных о физическом мире. Для SEO-специалистов это означает, что работа над локальным продвижением должна основываться на предоставлении Google чистых, консистентных и полных данных о местоположении бизнеса. Помогая Google корректно понять географический контекст вашего сайта (включая локальные названия районов), вы улучшаете его видимость в локальном поиске.

Практические примеры

Сценарий: Обучение Google названию нового жилого комплекса (ЖК)

1. Ситуация: Построен новый большой ЖК «Акварель», который еще не обозначен на картах. В нем открылось 20 разных бизнесов.
2. Действия бизнесов (Best Practice): Все 20 бизнесов консистентно указывают свой адрес на сайтах и в каталогах как: «Улица Ленина 15, ЖК Акварель, Город N».
3. Работа алгоритма Google:
   1. Google сканирует эти адреса (CRAWLING).
   2. GIS пытается геокодировать адрес, но терпит неудачу из-за термина «ЖК Акварель» (INDEXING).
   3. Система удаляет «ЖК Акварель» и успешно геокодирует «Улица Ленина 15, Город N».
   4. Система агрегирует 20 точек (point cloud), связанных с термином «ЖК Акварель».
   5. Система вычисляет Bounding Area (границы ЖК) на основе этих 20 точек.
   6. GIS обновляется: термин «ЖК Акварель» теперь ассоциируется с этой областью.
4. Результат для SEO: Теперь запросы типа «кафе в ЖК Акварель» будут корректно обработаны системой QUNDERSTANDING, и локальное ранжирование покажет релевантные результаты.

Вопросы и ответы