Google анализирует историю взаимодействий пользователя с результатами в Картах (Search Log Data), чтобы определить его текущие географические интересы. Система рассчитывает персонализированные «Факторы повышения» (Result Suggest Boost Factors) для конкретных локаций. …
Поведенческие сигналы
Google анализирует поведение пользователей для оценки эффективности правил близости (Proximity Rules), которые влияют на ранжирование в зависимости от расстояния между ключевыми словами на странице. Система отслеживает, кликают ли пользователи на …
Google патентует механизм «Социальной линзы», позволяющий пользователям уточнять результаты поиска на основе интересов и поведения выбранного социального круга (например, «Коллеги» или «Геймеры»). Система агрегирует историю поиска и веб-активность участников круга …
Google использует механизм для определения других аккаунтов пользователя в социальных сетях (Кандидатные Идентификаторы), даже если они не были связаны явно. Система анализирует совпадение контактов между известным профилем пользователя и потенциальными …
Google применяет механизм для глубокой персонализации результатов поиска в вертикалях цифрового контента (например, Google Play). Система комбинирует стандартные оценки релевантности с персонализированными оценками, основанными на «сигналах предпочтений пользователя». Эти сигналы …
Google анализирует историю поиска пользователя для выявления повторяющихся интересов (например, спорт, погода, статус рейсов), особенно тех, которые вызывают показ прямых ответов (Inline Search Results). Отслеживая контекст пользователя (местоположение, время) и …
Патент Google описывает механизм для улучшения ранжирования в поиске по картинкам. Если для конкретного запроса нет обученной модели визуальной релевантности, система использует модель от похожего запроса. Оценка релевантности (Boost) корректируется …
Google использует гибридный подход к обучению моделей прогнозирования поведения пользователей (например, вероятности клика). Модели одновременно обучаются точно предсказывать абсолютное значение (регрессия) и правильно определять относительный порядок элементов (ранжирование). Патент также …
Патент Google, описывающий, как картографические приложения (например, Google Maps) определяют точное название заведения (Location Entity), в котором физически находится пользователь. Система анализирует сигналы геолокации, близость, популярность, время работы и историю …
Google автоматически анализирует набор результатов поиска, чтобы предложить пользователю способы сузить выдачу (фасеты). Система ранжирует эти предложения, основываясь на том, насколько равномерно они разделяют результаты (селективность), а также на исторических …
Google использует анализ личных медиафайлов (фото, видео) для построения профиля интересов пользователя. Объекты, распознанные в этих файлах (часто локально на устройстве), используются для определения релевантных тем с учетом их четкости …
Патент Google, раскрывающий механизм ранжирования видеорекламы (Promoted Video Programs). Система рассчитывает Quality Factor (QF) видео, учитывая релевантность контента (CF), детальные метрики вовлеченности зрителей (PWF), а также физические характеристики ролика, такие …
Google анализирует, на какие темы пользователи массово подписываются в сервисах оповещений (например, Google Alerts) за определенный период времени. Эти трендовые темы (Topical Subjects) затем используются как сигнал для ранжирования: новостные …
Google использует механизм для проактивного предложения пользователю его прошлых поисковых запросов и результатов, на которые он кликал, основываясь на его текущем физическом местоположении. Система анализирует историю поиска, определяет связанные с …
Google использует метод машинного обучения для оптимизации моделей ранжирования (например, в Поиске по картинкам). Вместо равномерного обучения на всех данных, система фокусируется на самых сложных примерах, которые попадают в топ …
Google использует механизм для персонализации лент контента (например, Новости, Discover). Система анализирует, как часто пользователь запрашивает контент. Для частых посетителей приоритет отдается новизне, чтобы избежать повторов. Для редких посетителей приоритет …
Google использует механизм для ускорения уточнения запросов. Когда пользователь взаимодействует со словом в середине существующего запроса (например, ставит курсор), система определяет это слово («анкорный сегмент») и предлагает семантически отличные альтернативы …
Google использует механизм для генерации сниппетов в поисковой выдаче, основанный не только на терминах запроса, но и на профиле интересов пользователя. Система анализирует документ, находит термины, соответствующие интересам пользователя, и …
Google использует механизм динамической смены сниппетов для улучшения взаимодействия пользователя с поиском. Если один и тот же результат появляется повторно в ответ на разные запросы в рамках одной сессии, система …
Google использует систему для оптимизации функции автозаполнения (Autocomplete). При вводе частичного запроса система определяет широкий набор потенциальных навигационных ссылок (Superset) и фильтрует его до узкого подмножества (Subset) на основе сигналов, …