Яндекс патентует метод двухфазного обучения Трансформерных моделей (таких как BERT или YATI) для персонализации поиска. Модель сначала обучается предсказывать прошлые клики пользователя на широком наборе данных (Фаза 1), а затем …
Ранжирование
Яндекс использует историю поиска пользователя для персонализации агрегированной выдачи (блендинга). Система анализирует предпочтения пользователя между веб-сайтами и вертикальными сервисами (картинки, видео) на основе прошлых кликов и Dwell Time. Рассчитываются персональные …
Яндекс использует разделенную (двухфазную) нейросетевую архитектуру на базе Трансформеров (BERT/YATI) для ускорения персонализации. Первая фаза анализирует историю поиска пользователя и текущий запрос, создавая компактное представление интересов. Вторая фаза использует это …
Яндекс патентует эффективный метод расчета сложных текстовых факторов (близость слов запроса друг к другу, их совместное наличие в URL/заголовке) в момент выполнения поиска. Система использует предварительно сохраненные в индексе данные …
Яндекс патентует метод повышения качества ранжирования за счет расчета сложных текстовых факторов в реальном времени. Система использует предварительно сохраненные данные о позициях отдельных слов (query-independent) для динамического вычисления факторов совместной …
Яндекс патентует метод использования визуальной привлекательности страницы ("Appeal Factor") как фактора ранжирования. Система анализирует скриншот страницы с помощью модели машинного обучения (например, нейросети), обученной на оценках асессоров или поведении пользователей …
Яндекс патентует методы генерации высококачественных негативных примеров для обучения алгоритмов ранжирования. Вместо случайных нерелевантных документов система использует графы поведения пользователей и анализ позиций в выдаче для поиска «сложных негативов» — …
Яндекс патентует метод оптимизации компоновки поисковой выдачи (SERP). Система обучается предсказывать полезность элемента (например, виджета или расширенного сниппета) на разных позициях, учитывая его визуальный размер. Ключевой механизм: если пользователь пропускает …
Яндекс патентует двухступенчатую архитектуру на базе нейронных сетей (Трансформеры/BERT) для эффективного персонализированного ранжирования. Первая ступень анализирует историю поиска пользователя и текущий запрос, создавая единое пользовательское представление. Вторая ступень быстро сопоставляет …
Яндекс патентует метод оценки результатов A/B тестов, который фокусируется на трендах вовлеченности, а не на средних значениях. Система использует математические преобразования (например, Дискретное преобразование Фурье) временных рядов поведения пользователей для …
Яндекс использует трехуровневую систему машинного обучения для оптимизации позиций вертикальных результатов (колдунщиков) в SERP. Отдельные модели независимо предсказывают вероятность клика по колдунщику ("Win") и по следующему за ним результату ("Loss"). …
Яндекс патентует антифрод-механизм, нацеленный на потенциально мошеннические коммерческие ресурсы. Система намеренно повышает, а затем понижает позиции сайта в выдаче в разные промежутки времени, используя случайные значения. Цель — создать резкие …
Яндекс патентует метод борьбы с мошенничеством путем манипулирования ранжированием подозрительных коммерческих сайтов. Система периодически повышает и понижает эти сайты в выдаче, используя случайные значения. Цель — создать сильные колебания трафика …
Яндекс использует систему для временного повышения и понижения позиций определенных сайтов (часто коммерческих, не являющихся высококачественными или высокотрафиковыми). Цель — создать максимальную разницу в трафике между этими периодами. Это позволяет …
Этот патент описывает ключевые механизмы алгоритма CatBoost, ядра машинного обучения Яндекса. Он раскрывает, как система эффективно преобразует категориальные (нечисловые) факторы ранжирования, такие как регион, тип сайта или URL, в числовые …
Яндекс использует гибридный подход для ускорения систем рекомендаций. Система заранее (офлайн) рассчитывает набор общепопулярного или высококачественного контента. В момент запроса пользователя (онлайн) она быстро находит персонализированные рекомендации на основе его …
Яндекс патентует механизм для борьбы с кликбейтом и нежелательным контентом в рекомендательных системах. Система использует два алгоритма: первый (MLA 1) определяет персональную релевантность на основе интересов пользователя. Второй (MLA 2), …
Яндекс патентует систему рекомендаций медиаконтента (например, видео), которая определяет схожесть объектов, комбинируя совпадение тегов (тематика, жанр) с поведенческими метриками (время просмотра, CTR). Запатентованная формула использует сумму поведенческих показателей обоих объектов …
Яндекс патентует метод оптимизации поисковой выдачи (SERP), учитывающий физический размер (высоту) и позицию элементов. Система рассчитывает «оценку полезности» для обучения ML-моделей. Если пользователь пропускает большой элемент (например, виджет или расширенный …
Яндекс патентует метод, который вводит контекст самой поисковой выдачи как фактор ранжирования. Система рассчитывает векторную близость (D2D proximity) между документами, попавшими в топ. Измеряется, насколько документ похож на "средний" документ …