Close Menu

    Как Google автоматически создает визуальные туры для сущностей, объединяя изображения их ключевых подсущностей

    SEMANTIC IMAGE NAVIGATION EXPERIENCES (Семантический опыт навигации по изображениям)
    2014 Knowledge Graph Мультимедиа Патенты Google Семантика и интент

    Google использует этот механизм для автоматического создания структурированных визуальных туров (например, фототуров) для сложных или географических сущностей. Система анализирует взаимосвязи в Графе Знаний, определяет наиболее важные подсущности (например, достопримечательности в городе), извлекает их предварительно созданные визуальные представления и объединяет их в единый семантический навигационный опыт для родительской сущности.

    Описание

    Какую задачу решает

    Патент решает проблему создания информативных и когерентных визуальных представлений (Navigation Experiences, например, фототуров) для сущностей, которые сложно представить одним набором изображений. Это особенно актуально для крупных географических объектов (например, город) или сложных концептуальных сущностей. Существующие фототуры часто фокусируются только на одном объекте с разных точек зрения и не раскрывают структуру или ключевые компоненты более крупной сущности. Изобретение автоматизирует создание структурированного визуального повествования (Semantic Image Navigation Experience) о родительской сущности через демонстрацию ее ключевых подсущностей.

    Что запатентовано

    Запатентована система для генерации Semantic Image Navigation Experience для выбранной сущности. Система использует структурированные данные (предположительно, Граф Знаний) для идентификации подсущностей (Sub-entities), связанных с родительской сущностью отношением включения (Containment Relationship). Она отбирает и ранжирует эти подсущности, а затем автоматически объединяет их существующие визуальные туры (Pre-stored Navigation Experiences) в единый опыт для родительской сущности.

    Как это работает

    Ключевой механизм включает несколько этапов:

    • Идентификация иерархии: Для выбранной сущности (Entity) определяются ее подсущности (Sub-entities).
    • Фильтрация: Отсеиваются подсущности, которые не имеют визуального представления (Landmark) и связанного с ним готового визуального тура (Pre-stored Navigation Experience).
    • Ранжирование: Оставшиеся подсущности ранжируются на основе определенных характеристик, например, метрик популярности (Landmark Popularity Metric).
    • Выборка и Генерация: Выбирается подмножество топовых подсущностей. Система извлекает изображения из их готовых туров и объединяет их в последовательность в соответствии с рангом, создавая новый Semantic Image Navigation Experience для родительской сущности.

    Актуальность для SEO

    Высокая. Визуализация данных из Графа Знаний и автоматическая генерация контента являются ключевыми направлениями развития поиска. Этот патент описывает конкретный механизм того, как Google может структурировать и представлять информацию о сущностях, особенно в мобильном поиске, Картах и SERP-фичах (например, Knowledge Panels, карусели изображений). Акцент на автоматическом создании туров на основе иерархии сущностей остается крайне актуальным.

    Важность для SEO

    Патент имеет значительное влияние на SEO, особенно в контексте Entity-First Indexing и визуального поиска. Он подчеркивает важность не только оптимизации под родительскую сущность, но и обеспечения того, чтобы ее ключевые подсущности (например, продукты, услуги, локации) были четко определены, имели качественные визуальные представления и были распознаны системой как значимые (популярные). Это напрямую влияет на то, как сущность будет представлена в Графе Знаний и связанных с ним визуальных элементах выдачи.

    Детальный разбор

    Термины и определения

    Containment Relationship (Отношение включения)
    Иерархическая связь между двумя сущностями, где одна сущность (подсущность) по своему масштабу (scope) входит в состав другой сущности (родительской сущности).
    Entity (Сущность)
    Человек, место, вещь или концепция. Может быть индивидуумом, собственным именем, группой, городом, объектом, теорией и т.д.
    Geographic Entity (Географическая сущность)
    Сущность, имеющая географический масштаб (geographical scope), например, город или достопримечательность.
    Landmark (Ориентир / Визуальное представление)
    Визуальное представление сущности, такое как репрезентативное изображение или видео. Используется как основа для создания навигационного опыта.
    Landmark Popularity Metric (Метрика популярности ориентира)
    Метрика для ранжирования подсущностей. Может включать количество уникальных источников изображений для Landmark, оценки туристической привлекательности или данные о местоположении пользователей.
    Navigation Experience (Навигационный опыт)
    Последовательность изображений и информация для их отображения в виде фототура (photo tour). Включает 3D-переходы между изображениями.
    Parent Entity (Родительская сущность)
    Сущность, имеющая больший масштаб в Containment Relationship.
    Pre-stored Navigation Experience (Предварительно сохраненный навигационный опыт)
    Заранее сгенерированный (автоматически или вручную) и сохраненный Navigation Experience, связанный с конкретной сущностью и ее Landmark.
    Semantic Image Navigation Experience (Семантический опыт навигации по изображениям)
    Итоговый продукт изобретения. Navigation Experience, сгенерированный путем объединения двух или более Pre-stored Navigation Experiences, обычно принадлежащих подсущностям родительской сущности.
    Sub-entity (Подсущность)
    Сущность, имеющая меньший масштаб в Containment Relationship.

    Ключевые утверждения (Анализ Claims)

    Claim 1 (Независимый пункт): Описывает основной метод генерации семантического опыта навигации для географических сущностей.

    1. Система выбирает первую географическую сущность (first geographic entity).
    2. Идентифицируется множество различных географических подсущностей (distinct geographic sub-entities), имеющих отношение географического включения (geographic containment relationship) с первой сущностью.
    3. Система фильтрует это множество. Удаляются подсущности, которые НЕ удовлетворяют одновременно двум условиям: (i) визуально представлены хотя бы одним Landmark, и (ii) связаны с уникальным Pre-stored Navigation Experience (который определен как последовательность изображений и переходов, создающих тур по Landmark).
    4. Определяется порядок ранжирования (ranking order) отфильтрованных подсущностей на основе их характеристик.
    5. Выбирается подмножество (как минимум две) подсущностей на основе этого ранжирования.
    6. Генерируется Semantic Image Navigation Experience для первой сущности. Это делается путем автоматического выбора множества изображений из готовых туров выбранных подсущностей и включения этих изображений в последовательность на основе порядка ранжирования.

    Claim 3 (Зависимый от 1): Уточняет процесс генерации.

    Если для самой первой (родительской) сущности также существует Pre-stored Navigation Experience, то изображения из него вставляются в начало сгенерированного семантического опыта.

    Claim 4 (Зависимый от 1): Уточняет критерий ранжирования.

    Порядок ранжирования определяется на основе как минимум Landmark Popularity Metric.

    Claim 5 (Зависимый от 1): Описывает альтернативный метод идентификации подсущностей.

    Подсущности могут быть идентифицированы путем кластеризации набора изображений первой сущности на подмножества на основе общих признаков (common features). Каждое подмножество затем определяется как Landmarks для соответствующей подсущности.

    Claim 7 (Зависимый от 1): Описывает метод создания подсущностей из ориентиров родительской сущности.

    Система может кластеризовать как минимум два Landmarks, которые визуально представляют первую (родительскую) сущность, в группу, и определить эту группу как новую отдельную географическую подсущность.

    Где и как применяется

    Изобретение затрагивает этапы индексирования (для подготовки данных) и финального формирования выдачи (для генерации опыта).

    INDEXING – Индексирование и извлечение признаков

    На этом этапе происходят ключевые подготовительные процессы:

    • Построение Графа Знаний: Идентификация сущностей (Entities, Geographic Entities) и установление иерархических связей (Containment Relationships).
    • Идентификация визуальных представлений (Landmarks): Использование алгоритмов кластеризации изображений для определения репрезентативных визуальных представлений (Landmarks) для сущностей.
    • Генерация базовых туров: Создание и сохранение Pre-stored Navigation Experiences для сущностей, имеющих Landmarks.
    • Расчет метрик: Вычисление Landmark Popularity Metrics или других характеристик, используемых для ранжирования подсущностей.

    METASEARCH – Метапоиск и Смешивание / RERANKING – Переранжирование

    Основное применение патента происходит на этапе сборки финальной выдачи или ответа на запрос пользователя (например, при формировании Knowledge Panel или ответа в Google Maps).

    • Активация: При получении запроса о сущности система может решить сгенерировать для нее Semantic Image Navigation Experience.
    • Обработка в реальном времени (или квази-реальном): Система выполняет шаги алгоритма: идентифицирует, фильтрует и ранжирует подсущности, используя данные, подготовленные на этапе INDEXING.
    • Сборка опыта: Система извлекает изображения из Pre-stored Navigation Experiences и собирает финальный семантический тур.

    Входные данные:

    • Первая сущность (например, из запроса пользователя).
    • Структурированные данные о сущностях и их связях (Граф Знаний).
    • Данные о Landmarks, связанных с сущностями.
    • База данных Pre-stored Navigation Experiences.
    • Метрики для ранжирования (например, Landmark Popularity Metric).

    Выходные данные:

    • Semantic Image Navigation Experience – последовательность изображений и инструкций для их отображения в виде тура.

    На что влияет

    • Конкретные типы контента: В первую очередь влияет на визуальный контент – изображения и видео, используемые для создания туров.
    • Специфические запросы: Запросы о сущностях, имеющих сложную структуру или иерархию. Особенно сильно влияет на запросы о географических объектах (города, регионы, крупные комплексы).
    • Конкретные ниши или тематики: Туризм, недвижимость, образование (туры по кампусам), история (визуализация исторических мест).

    Когда применяется

    Алгоритм применяется при необходимости предоставить пользователю структурированный визуальный обзор сущности.

    • Условия работы: Применяется к сущностям, для которых в системе существуют данные об их подсущностях (Containment Relationship).
    • Триггеры активации: Запрос пользователя об этой сущности (например, поиск названия города или достопримечательности).
    • Ограничения: Механизм работает только в том случае, если для подсущностей существуют как Landmarks, так и Pre-stored Navigation Experiences. Если их нет, генерация семантического опыта невозможна (согласно основному алгоритму).

    Пошаговый алгоритм

    Процесс А: Генерация Семантического Навигационного Опыта

    1. Выбор сущности: Система выбирает первую сущность (например, на основе запроса пользователя).
    2. Идентификация иерархии: Система обращается к базе структурированных данных для идентификации набора подсущностей, имеющих Containment Relationship с первой сущностью.
    3. Фильтрация подсущностей: Каждая подсущность проверяется на соответствие критериям. Удаляются те, у которых отсутствует хотя бы один Landmark ИЛИ отсутствует связанный Pre-stored Navigation Experience.
    4. Ранжирование: Для оставшегося (отфильтрованного) набора подсущностей определяется порядок ранжирования. Ранжирование основывается на характеристиках сущностей, например, на Landmark Popularity Metric.
    5. Выбор подмножества: На основе ранжирования выбирается подмножество топовых подсущностей (например, Топ-3).
    6. Генерация опыта (Сборка):
      • Система выбирает набор изображений (например, первые три изображения) из Pre-stored Navigation Experience каждой выбранной подсущности.
      • Выбранные изображения объединяются в единую последовательность (Semantic Image Navigation Experience). Порядок следования групп изображений соответствует порядку ранжирования подсущностей.
    7. Дополнение (Опционально): Если для первой (родительской) сущности существует свой Pre-stored Navigation Experience, изображения из него могут быть добавлены в начало сгенерированной последовательности.
    8. Предоставление результата: Сгенерированный Semantic Image Navigation Experience отправляется на клиентское устройство в ответ на запрос.

    Процесс Б: Идентификация подсущностей через кластеризацию (Альтернативный/Дополнительный процесс)

    1. Сбор изображений: Система собирает набор изображений, связанных с первой сущностью.
    2. Кластеризация: Изображения кластеризуются на подмножества на основе общих визуальных признаков (common features) или других критериев (например, геолокации).
    3. Определение подсущностей: Каждое подмножество изображений определяется как Landmark для новой или существующей подсущности первой сущности.
    4. Ассоциация: Кластеры связываются с соответствующими подсущностями.

    Какие данные и как использует

    Данные на входе

    Патент фокусируется на использовании структурированных и визуальных данных, а не на традиционных SEO-факторах.

    • Структурные факторы (Данные Графа Знаний): Критически важные данные. Информация о сущностях (Entities), их типах (например, Geographic Entity) и иерархических связях (Containment Relationships).
    • Мультимедиа факторы: Изображения и видео, которые используются для идентификации Landmarks и являются содержанием Navigation Experiences. Также используется информация, связанная с изображениями (метаданные, 3D-точки, ориентация).
    • Поведенческие/Внешние факторы (Косвенно): Данные, используемые для расчета популярности. Упоминаются уникальные источники изображений, оценки туристической привлекательности (tourist attraction scores) и информация о местоположении пользователей (location information from users).

    Какие метрики используются и как они считаются

    • Landmark Popularity Metric: Основная метрика, используемая для ранжирования подсущностей. Конкретная формула не приводится, но указаны возможные компоненты (см. выше).
    • Критерии фильтрации: Бинарные проверки наличия Landmark (Да/Нет) и наличия Pre-stored Navigation Experience (Да/Нет). Обе проверки должны быть положительными для включения подсущности в ранжирование.
    • Методы анализа изображений: Упоминаются алгоритмы кластеризации (clustering algorithms) для группировки визуальных медиа на основе общих признаков (common features). Это используется для идентификации Landmarks и, в альтернативных вариантах, для идентификации самих подсущностей.

    Выводы

    1. Автоматизация визуального повествования на основе иерархии сущностей: Патент описывает механизм, позволяющий Google автоматически создавать сложные визуальные туры для крупных сущностей (например, городов) путем агрегации существующих туров их компонентов (например, достопримечательностей).
    2. Зависимость от Графа Знаний: Генерация семантического опыта напрямую зависит от качества и полноты структурированных данных о сущностях и их взаимосвязях (Containment Relationships). Понимание иерархии сущностей критично.
    3. Критерии включения (Landmark + Experience): Чтобы подсущность была включена в тур родительской сущности, она должна быть визуально идентифицируемой (иметь Landmark) и для нее уже должен существовать готовый тур (Pre-stored Navigation Experience).
    4. Ранжирование по популярности: Порядок демонстрации подсущностей определяется их значимостью или популярностью (Landmark Popularity Metric). Это определяет структуру повествования.
    5. Кластеризация как метод идентификации: Система может использовать визуальную кластеризацию для выявления подсущностей и их ориентиров, даже если они не были явно определены в структурированных данных. Это подчеркивает важность визуальной консистентности контента.
    6. Структура тура: Итоговый тур представляет собой последовательное соединение фрагментов из туров подсущностей, возможно, с добавлением обзора родительской сущности в начале.

    Практика

    Best practices (это мы делаем)

    • Оптимизация иерархии сущностей (Entity Hierarchy Optimization): Необходимо четко определять иерархию ваших сущностей. Если вы представляете бренд (родительская сущность), убедитесь, что ваши ключевые продукты, услуги или локации (подсущности) правильно распознаются и связаны с родителем через Containment Relationships (используя разметку Schema.org, Google Business Profile, Викиданные).
    • Фокус на визуальном представлении ключевых подсущностей: Инвестируйте в создание высококачественных, репрезентативных изображений и видео для каждой значимой подсущности. Это увеличивает вероятность того, что система идентифицирует Landmark и создаст Pre-stored Navigation Experience для них.
    • Повышение популярности и значимости подсущностей: Работайте над повышением авторитетности и популярности ключевых подсущностей. Поскольку ранжирование в семантическом туре зависит от Popularity Metric, более известные подсущности будут показаны раньше. Это включает сбор отзывов, упоминаний и обеспечение широкого распространения качественных изображений из разных источников.
    • Обеспечение визуальной консистентности: Поскольку система может использовать кластеризацию изображений для идентификации подсущностей, убедитесь, что визуальный контент, относящийся к одной подсущности, имеет общие узнаваемые признаки (common features).

    Worst practices (это делать не надо)

    • Игнорирование подсущностей: Фокусироваться только на общих страницах бренда или главной странице, игнорируя детальную проработку и визуализацию конкретных продуктов или локаций. Это приведет к тому, что система не сможет найти компоненты для включения в семантический тур.
    • Использование стоковых или нерепрезентативных изображений: Использование общих изображений, которые не позволяют однозначно идентифицировать Landmark для подсущности, снижает шансы на создание Navigation Experience.
    • Размытие визуального фокуса: Публикация большого количества разнородных изображений без четкой привязки к конкретным подсущностям может затруднить процесс кластеризации и идентификации Landmarks.

    Стратегическое значение

    Патент подтверждает стратегическую важность Entity-First подхода и интеграции визуального контента со структурированными данными. Для Google важно не просто знать о существовании сущности, но и понимать ее структуру, ключевые компоненты и иметь возможность визуально ее представить. В долгосрочной стратегии SEO необходимо переходить от оптимизации страниц к построению и визуализации иерархии сущностей. Это особенно критично для локального SEO и e-commerce, где визуальное представление и структура играют ключевую роль в принятии решений пользователем.

    Практические примеры

    Сценарий: Оптимизация для Туристического Агентства (Локальный Бизнес)

    Туристическое агентство хочет улучшить визуальное представление города, в котором оно работает, чтобы привлечь туристов.

    1. Определение иерархии: Родительская сущность – Город. Подсущности – ключевые достопримечательности (Музей А, Парк Б, Памятник В).
    2. Действия по оптимизации:
      • Агентство создает высококачественные фото- и видеообзоры (потенциальные Navigation Experiences) для Музея А, Парка Б и Памятника В.
      • Контент публикуется на сайте, в Google Business Profile и социальных сетях с четкой структурой и гео-тегами.
      • Агентство стимулирует пользователей загружать свои фотографии этих мест в Google Maps.
    3. Ожидаемый результат:
      • Google идентифицирует качественные Landmarks и генерирует Pre-stored Navigation Experiences для Музея А, Парка Б и Памятника В.
      • Увеличение количества пользовательских фото повышает Landmark Popularity Metric.
      • При запросе о Городе, Google генерирует Semantic Image Navigation Experience, автоматически объединяя туры по Музею А, Парку Б и Памятнику В в порядке их популярности. Город получает более привлекательное и информативное визуальное представление в поиске.

    Сценарий: Оптимизация для Университета

    1. Определение иерархии: Родительская сущность – Университет. Подсущности – Факультет X, Библиотека Y, Исследовательский Центр Z.
    2. Действия по оптимизации: Университет проводит профессиональную съемку кампуса, фокусируясь на экстерьере и интерьере ключевых зданий. Создаются виртуальные туры для каждого объекта и размещаются на соответствующих страницах сайта и в Google Maps. Активно используется разметка (CampusMap, CollegeOrUniversity, Department).
    3. Ожидаемый результат: Google распознает иерархию и визуальные данные. При поиске Университета система автоматически создает общий тур, последовательно показывая наиболее значимые объекты (Факультет, Библиотеку, Центр), обеспечивая лучшее визуальное вовлечение абитуриентов.

    Вопросы и ответы

    Что такое Semantic Image Navigation Experience в контексте SEO?

    Это автоматически сгенерированный Google визуальный тур (например, слайдшоу или фототур с 3D-переходами), который представляет сложную сущность через показ ее ключевых компонентов (подсущностей). Для SEO это означает, что представление вашего бренда или объекта в поиске может быть сформировано из визуальных данных его составных частей, что требует комплексной оптимизации всей иерархии сущностей.

    Что важнее для этого алгоритма: качество родительской сущности или ее подсущностей?

    Ключевую роль играют подсущности. Именно наличие у них визуальных ориентиров (Landmarks), готовых туров (Pre-stored Navigation Experiences) и их популярность (Popularity Metric) определяют возможность создания и содержание итогового семантического тура для родительской сущности. Родительская сущность в основном обеспечивает контекст и иерархическую связь.

    Как система определяет, какие подсущности включить в тур и в каком порядке?

    Включение определяется двумя фильтрами: наличие Landmark и наличие Pre-stored Navigation Experience. Если оба условия выполнены, подсущность участвует в ранжировании. Порядок определяется ранжированием на основе характеристик, в первую очередь Landmark Popularity Metric (например, популярность достопримечательности или количество ее фотографий из разных источников).

    Что такое Pre-stored Navigation Experience и как я могу его создать для своей сущности?

    Это заранее подготовленный визуальный тур по сущности. Патент предполагает, что они генерируются Google (автоматически или вручную) на основе доступных изображений и видео. Вы не можете создать его напрямую, но можете предоставить необходимый материал: загружайте высококачественные, репрезентативные изображения и видео вашей сущности (например, локации или продукта) в Google Maps, Google Business Profile и на свой сайт с четкими метаданными и разметкой.

    Как этот патент связан с Графом Знаний (Knowledge Graph)?

    Связь прямая. Патент опирается на структурированные данные, описывающие сущности (Entities) и их иерархические связи (Containment Relationships). Эта структура и есть Граф Знаний. Алгоритм использует Граф Знаний для навигации от родительской сущности к ее подсущностям.

    Может ли система сама определить подсущности, если я их не разметил?

    Да. Патент описывает альтернативный метод, где система анализирует изображения родительской сущности и использует кластеризацию (clustering) на основе общих признаков (common features), чтобы выделить группы изображений. Эти группы затем определяются как Landmarks для новых или существующих подсущностей. Однако для надежности лучше использовать явную разметку.

    Как повлиять на метрику популярности (Landmark Popularity Metric)?

    Патент упоминает несколько возможных сигналов: количество уникальных источников изображений, оценки туристической привлекательности и данные о местоположении пользователей. Стимулируйте пользователей фотографировать ваш объект и загружать фото в Google Maps, работайте над общей известностью и привлекательностью локации или продукта, собирайте отзывы на внешних площадках.

    Влияет ли этот патент на ранжирование в обычном веб-поиске (синие ссылки)?

    Напрямую нет. Патент описывает механизм генерации визуального контента, который, скорее всего, используется в SERP-фичах, таких как Knowledge Panels, Image Search, Google Maps или каруселях. Однако улучшение понимания и визуального представления ваших сущностей может косвенно повысить авторитетность и релевантность в глазах поисковой системы.

    Актуален ли этот патент для e-commerce сайтов?

    Да, хотя в основном Claims фокусируются на географических сущностях, общие принципы применимы. Родительской сущностью может быть Категория товаров или Бренд, а подсущностями – конкретные Популярные Товары. Обеспечение качественных визуальных представлений (Landmarks) для топовых товаров может привести к созданию автоматического визуального обзора категории, основанного на этих товарах.

    Что делать, если у моей сущности нет очевидных подсущностей?

    В этом случае можно использовать механизм, описанный в Claim 7. Система может сгруппировать разные визуальные представления (Landmarks) самой сущности и рассматривать эти группы как подсущности. Например, для ресторана это могут быть группы фото «Интерьер», «Популярные блюда» и «Фасад». Обеспечьте разнообразие качественного визуального контента, чтобы система могла выделить эти кластеры.