Как Google итеративно вычисляет «самодостаточность» фраз для определения главной темы запроса

Описание

Какую задачу решает

Патент решает задачу определения относительной важности различных частей (сегментов) поискового запроса. Цель — алгоритмически идентифицировать, какие сегменты представляют собой основную тему (main topic) запроса, а какие являются модификаторами или менее значимыми терминами. Это необходимо для более точного понимания интента пользователя и улучшения выбора релевантного контента (включая рекламу).

Что запатентовано

Запатентован метод итеративного вычисления Query-Independent Scores (независимых от запроса оценок) для слов и фраз на основе анализа исторических логов запросов. Суть изобретения заключается в самообучающемся цикле, где глобальная значимость сегмента уточняется через анализ его локальной важности в контексте реальных запросов. Эти оценки используются для интерпретации новых запросов и расчета «самодостаточности» (Self-Sufficiency) запроса и контента.

Как это работает

Ключевой механизм — это итеративный алгоритм, основанный на взаимной зависимости двух оценок:

• Инициализация: Всем сегментам присваиваются начальные Query-Independent Scores (QIS) (например, 0.5).
• Расчет Зависимых Оценок: Для каждого запроса в логе вычисляются Query-Dependent Scores (QDS) его сегментов на основе их текущих QIS. Оценки нормализуются в рамках запроса.
• Обновление Независимых Оценок: QIS сегмента обновляется путем усреднения его QDS по всем запросам, где он встречается.
• Итерация: Процесс повторяется (новые QIS ведут к новым QDS, и наоборот) до стабилизации оценок. В результате сегменты, часто являющиеся главной темой (например, сущности), получают высокие оценки, а модификаторы (например, «лучший», «купить») — низкие.

Актуальность для SEO

Высокая. Понимание структуры запроса (Query Understanding) и определение значимости его компонентов является фундаментальной задачей современных поисковых систем. Статистические методы анализа N-грамм на основе больших данных остаются крайне актуальными и дополняют нейросетевые подходы в NLP для интерпретации интента.

Важность для SEO

Патент имеет высокое значение для SEO (75/100). Он описывает конкретный механизм, как Google определяет ядро запроса и отделяет его от модификаторов. Понимание того, какие термины система идентифицирует как «самодостаточные» и тематически значимые, критически важно для создания и оптимизации контента, чтобы точно соответствовать основной теме, идентифицированной системой.

Детальный разбор

Термины и определения

Segment (Сегмент)

Слово или фраза (N-грамма), являющаяся частью запроса. Например, в запросе «hotels new york» сегментами являются «hotels», «new», «york» и «new york».

Query-Dependent Score (QDS) (Зависимая от запроса оценка)

Оценка $t(q,t)$, показывающая относительную важность сегмента (t) в контексте конкретного запроса (q). Нормализуется в рамках запроса.

Query-Independent Score (QIS) (Независимая от запроса оценка)

Глобальная оценка $s(t)$, показывающая внутреннюю значимость сегмента (t) независимо от конкретного запроса. Вычисляется итеративно на основе анализа множества запросов в логах.

Stand-alone Score (Оценка самостоятельности)

Оценка сегмента в новом запросе, основанная на Query-Independent Score. Указывает на вероятность того, что сегмент представляет собой самостоятельный запрос и/или является главной темой (main topic) запроса.

Self-Sufficiency Score (Оценка самодостаточности)

Агрегированная метрика для всего запроса или для набора ключевых слов контента (например, рекламы). Вычисляется путем применения функции (например, суммы) к Stand-alone Scores составляющих сегментов.

Historical Log of Queries (Исторический лог запросов)

База данных прошлых запросов пользователей, используемая как обучающая выборка для алгоритма.

First Function / Second Function (Первая / Вторая функция)

Функции агрегации. First Function используется для обновления QIS путем агрегации QDS (например, среднее арифметическое). Second Function используется для расчета Self-Sufficiency Score путем агрегации Stand-alone Scores (например, сумма).

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной итеративный метод определения Stand-alone Score.

1. Система получает запрос и идентифицирует его сегменты.
2. Определяется Stand-alone Score для каждого сегмента. Это определение включает обработку исторического лога для вычисления Query-Independent Scores (QIS).
3. Итеративный процесс обработки лога:
   1. Инициализация QIS.
   2. Обработка запросов в логе: определение Query-Dependent Scores (QDS) для сегментов и их нормализация.
   3. Корректировка QIS на основе агрегированных QDS с применением First Function.
   4. Сохранение обновленных QIS.
   5. Повторение (итерация) шагов b-d (обработка, корректировка, сохранение) с использованием обновленных QIS.
4. Использование финальных QIS для определения Stand-alone Score сегментов исходного запроса.

Ядром изобретения является итеративный цикл, где независимые оценки (QIS) влияют на расчет зависимых оценок (QDS) в рамках конкретных запросов, а агрегированные зависимые оценки, в свою очередь, обновляют независимые оценки.

Claim 3 (Зависимый): Уточняет, что First Function для обновления QIS может быть математическим средним (mathematical average).

Claim 4 и 5 (Зависимые): Детализируют расчет Self-Sufficiency Score.

Система применяет Second Function к Stand-alone Scores сегментов запроса, чтобы определить общий Self-Sufficiency Score запроса. Second Function может быть суммой (sum) (Claim 5).

Claim 6 (Зависимый): Описывает использование механизма для выбора контента (например, рекламы).

Система рассчитывает Self-Sufficiency Score для контента на основе QIS его ключевых слов и сравнивает его с Self-Sufficiency Score запроса для поиска соответствия и предоставления контента.

Claim 8 и 9 (Зависимые): Вводят пороговые значения (Thresholds) для применения механизма.

Claim 8: Контент может быть не допущен к аукциону, если его Self-Sufficiency Score (сумма оценок ключевых слов) ниже первого порога. Claim 9: Механизм сопоставления может не использоваться для выбора контента, если Self-Sufficiency Score запроса ниже второго порога.

Где и как применяется

Изобретение в основном применяется на этапе QUNDERSTANDING – Понимание Запросов и влияет на системы подбора контента (RANKING / METASEARCH).

QUNDERSTANDING – Понимание Запросов
Алгоритм работает в двух режимах:

1. Офлайн-вычисления (Подготовка данных): Итеративный алгоритм выполняется офлайн (периодически) для анализа Historical Log of Queries и вычисления Query-Independent Scores (QIS) для всех известных сегментов.
2. Онлайн-обработка (Интерпретация запроса): Когда поступает новый запрос, система сегментирует его и извлекает предварительно рассчитанные QIS (используя их как Stand-alone Scores). Это позволяет идентифицировать главную тему и рассчитать Self-Sufficiency Score запроса.

RANKING / METASEARCH (Выбор контента/Рекламы)
Система использует вычисленные оценки для подбора контента (например, в Content Management System для рекламы):

• Вычисляется Self-Sufficiency Score для контента на основе QIS их ключевых слов.
• Оценки запроса и контента сравниваются для определения релевантности и матчинга.
• Используются пороги для фильтрации низкокачественных кандидатов или деактивации механизма матчинга.

Входные данные:

• Офлайн: Historical Log of Queries.
• Онлайн: Новый пользовательский запрос; База Query-Independent Scores; Инвентарь контента и его ключевые слова.

Выходные данные:

• Query-Independent Scores (офлайн).
• Stand-alone Scores и Self-Sufficiency Score запроса (онлайн).
• Выбранный контент (например, реклама).

На что влияет

• Специфические запросы: Наибольшее влияние на многословные (long-tail) запросы, где необходимо отделить ядро запроса (главную тему) от модификаторов и уточнений.
• Подбор контента и Реклама: Напрямую влияет на системы подбора рекламы (например, Google Ads), предоставляя метрику Self-Sufficiency для оценки и сравнения запросов и ключевых слов объявлений.
• Понимание фраз и сущностей: Помогает идентифицировать фразы (N-граммы), функционирующие как единое целое (например, «new york»), которые часто имеют более высокий QIS, чем составляющие их слова.

Когда применяется

• Офлайн-вычисления: Периодически, для обновления базы Query-Independent Scores на основе свежих логов запросов.
• Онлайн-обработка: В реальном времени при получении каждого нового запроса для его интерпретации и при выборе контента.
• Пороговые значения: Активация механизма матчинга контента может зависеть от достижения пороговых значений Self-Sufficiency Score как для запроса, так и для контента (Claims 8 и 9).

Пошаговый алгоритм

Процесс А: Офлайн-вычисление Query-Independent Scores (Итеративный алгоритм)

1. Инициализация: Присвоить начальные Query-Independent Scores (QIS, $s(t)$) всем сегментам (t). Например, 0.5.
2. Начало итерации.
3. Вычисление Query-Dependent Scores (QDS): Для каждого запроса (q) в логе рассчитать QDS ($t(q,t)$) для всех его сегментов. Расчет основан на текущих QIS (чем выше $s(t)$, тем выше $t(q,t)$).
4. Нормализация: Нормализовать QDS внутри каждого запроса (q).
5. Обновление Query-Independent Scores: Пересчитать QIS ($s(t)$) для каждого сегмента путем применения First Function (например, усреднения) ко всем QDS, которые этот сегмент получил в разных запросах.
6. Проверка сходимости и Итерация: Если оценки значительно изменились, вернуться к шагу 3. Если достигнута сходимость (оценки стабилизировались), завершить процесс.
7. Сохранение: Сохранить финальные QIS.

Процесс Б: Обработка нового запроса и выбор контента (Онлайн)

1. Получение и сегментация: Получить новый запрос и разбить его на сегменты.
2. Определение Stand-alone Scores: Извлечь сохраненные QIS (из Процесса А) для каждого сегмента.
3. Вычисление Self-Sufficiency Score запроса: Рассчитать общую оценку запроса, применив Second Function (например, сумму) к Stand-alone Scores сегментов.
4. Анализ кандидатов контента: Для кандидатов контента (например, рекламы) рассчитать их Self-Sufficiency Score на основе QIS их ключевых слов.
5. Фильтрация и Матчинг: Применить пороги (Claims 8 и 9) и сравнить Self-Sufficiency Score запроса с оценками кандидатов для выбора контента (может включать аукцион).

Какие данные и как использует

Данные на входе

• Поведенческие факторы (Логи): Критически важные данные — Historical Log of Queries. Алгоритм полностью полагается на статистический анализ того, как сегменты взаимодействуют друг с другом в реальных пользовательских запросах.
• Контентные факторы (Лексические): Сегменты (слова и фразы/N-граммы), извлеченные из текста запросов. Также используются ключевые слова, ассоциированные с контентом (рекламой).

Какие метрики используются и как они считаются

• Query-Independent Score (QIS, $s(t)$): Вычисляется итеративно. Обновляется путем применения First Function (например, mathematical average, Claim 3) к Query-Dependent Scores сегмента по всем запросам в логе.
• Query-Dependent Score (QDS, $t(q,t)$): Вычисляется для сегмента внутри запроса на основе текущих QIS всех сегментов этого запроса, с последующей нормализацией. Условие расчета: чем выше QIS, тем выше QDS.
• Stand-alone Score: Определяется на основе финальных QIS.
• Self-Sufficiency Score: Вычисляется путем применения Second Function (например, sum, Claim 5) к Stand-alone Scores сегментов запроса или QIS ключевых слов контента.
• Пороговые значения: Используются для фильтрации контента (Claim 8) и определения условий активации механизма матчинга (Claim 9).

Выводы

1. Статистическое понимание языка из логов: Google активно использует статистический анализ исторических логов для определения важности фраз (N-грамм). Важность не задается вручную, а вычисляется итеративно на основе реального использования.
2. Идентификация Ядра и Модификаторов: Механизм направлен на автоматическое определение ядра запроса (сегменты с высоким Stand-alone Score) и отделения его от модификаторов (сегменты с низким Stand-alone Score).
3. Концепция «Самодостаточности»: Self-Sufficiency Score позволяет оценить, насколько запрос является полным, специфичным и сфокусированным на конкретных темах.
4. Применение в подборе контента (Рекламы): Патент явно описывает использование этих метрик для оценки и сопоставления запросов и контента (рекламы). Система сравнивает профиль «самодостаточности» запроса с профилем ключевых слов контента и может использовать пороги для фильтрации.
5. Важность Фраз (N-грамм): Система оценивает значимость не только отдельных слов, но и целых фраз как единых сегментов, что критично для понимания сущностей и сложных концепций (например, «New York» как единое целое).

Практика

Best practices (это мы делаем)

• Фокус на естественных и значимых фразах (N-граммах): Используйте в ключевых элементах (Title, H1, контент) фразы, которые являются самодостаточными и часто используются пользователями как самостоятельные запросы. Такие фразы будут иметь высокий Query-Independent Score (QIS).
• Оптимизация под ядро запроса: При оптимизации под long-tail запросы убедитесь, что основная тема (ядро запроса, сегмент с высоким QIS) четко представлена и является фокусом страницы. Модификаторы важны для уточнения интента, но не должны затмевать ядро.
• Анализ семантического ядра с учетом значимости: При сборе семантики отдавайте приоритет фразам, которые представляют собой законченные мысли, четкие интенты или конкретные сущности. Они, вероятно, имеют более высокий Stand-alone Score.
• (Для PPC) Качество ключевых слов и Пороги: Учитывайте потенциальную «самодостаточность» ключевых слов в объявлениях. Использование слишком общих или незначимых ключевых слов может привести к тому, что объявление не пройдет порог Self-Sufficiency Score (Claim 8) и будет отфильтровано или получит низкий рейтинг в аукционе.

Worst practices (это делать не надо)

• Игнорирование ядра запроса и фокус на модификаторах: Оптимизация страницы под второстепенные термины (например, «бесплатно», «лучший», «скидка») без акцента на основной продукт или услугу (основную тему с высоким QIS).
• Использование неестественных конструкций и Keyword Stuffing: Сегменты, извлеченные из неестественного текста, вероятно, будут иметь низкие QIS, так как они редко встречаются в реальных логах запросов в таком виде.
• Рассмотрение слов изолированно: Игнорирование важности фраз. Значимость фразы (например, «New York») может быть значительно выше, чем значимость отдельных слов («New» и «York») по отдельности.

Стратегическое значение

Патент подтверждает фундаментальную важность этапа Query Understanding и переход от анализа отдельных ключевых слов к оценке статистической и семантической значимости фраз (сегментов). Для долгосрочной SEO-стратегии важно понимать, какие концепции Google считает статистически «важными» и «самодостаточными» в конкретной нише, и строить контент вокруг этих концепций (Topics & Entities).

Практические примеры

Сценарий: Определение ядра запроса для оптимизации контента

1. Анализируемый запрос: «лучшие треккинговые ботинки для летнего похода»
2. Гипотетический анализ системой (QIS/Stand-alone Scores):
   • «треккинговые ботинки»: Высокий (четкий объект, самодостаточный запрос).
   • «летний поход»: Средне-высокий (конкретное условие, значимый сегмент).
   • «лучшие»: Низкий (модификатор).
   • «для»: Очень низкий (предлог).
3. Вывод системы: Главная тема запроса — «треккинговые ботинки», ключевое уточнение — «летний поход». Self-Sufficiency Score запроса высокий.
4. SEO-действие: Страница должна быть сфокусирована на основной теме («треккинговые ботинки») с явным учетом контекста («летний поход»). Заголовок (Title/H1) и структура должны четко отражать эти высокозначимые сегменты. Не следует делать акцент на слове «лучшие» в ущерб основной теме.

Вопросы и ответы