人們也在搜索，或者他們總是在搜索？ Google 如何使用經過訓練的生成模型為 PASF、PAA 等搜索功能生成查詢變體 [專利]
已發表: 2023-06-27
前幾天，我在查看 Google 的一些專利，發現了一項有趣的專利，該專利於 2023 年 5 月 30 日獲得授權並發布。它的標題是“使用經過訓練的生成模型生成查詢變體”，它確實激起了我的好奇心。 它最初於 2018 年提交，但於 5 月下旬獲得批准。 由於我一直對重要的 SERP 功能（例如 People Also Ask (PAA) 和 People Also Search For (PASF)）感興趣，所以我必須深入研究。
而且，這也是我過去會向才華橫溢的比爾·斯拉夫斯基（Bill Slawski）詢問的事情。 不幸的是，比爾已經不在我們身邊了。 瀏覽該專利讓我意識到我是多麼懷念比爾關於專利的帖子，以及能夠向他提出有關他的分析的問題。 失去比爾對於我們行業來說絕對是一個巨大的損失。 不管怎樣，沒有比爾像往常一樣挖掘，我決定開始挖掘自己。 我很高興我做到了。 非常有趣。
利用神經網絡的生成模型來實現 SERP 功能
下面我將介紹該專利如何使用訓練有素的生成模型來生成 SERP 功能的查詢變體，例如“People Also Search For”、“People Also Ask”等。 該專利提到“人們也在搜索”，但不難相信該過程也可以用於 PAA。 我在下面的分析中對此進行了介紹。
了解更多關於谷歌在這方面所做的事情（至少基於專利）是很有趣的。 與任何專利一樣，我們不知道谷歌是否已經實施了這一點，或者他們是否會實施，但根據我所讀到的內容，它確實有意義。
此外，我發現這一點很有趣，該專利解釋了谷歌如何為新穎的查詢（全新的）和尚沒有太多可用數據的長尾查詢生成查詢變體。 由於 Google 以前從未見過 15% 的查詢，因此使用生成查詢變體等方法是有意義的。 我很快就會介紹更多相關內容。
該專利的要點：
我認為介紹該專利的最佳方式是列出一些亮點。 下面，我將介紹該專利的幾個要點，希望您也會感興趣。
使用經過訓練的生成模型生成查詢變體
美國 11663201 B2
授予日期：2023年5月30日
提交日期：2018 年 4 月 27 日
受讓人名稱：Google LLC
1. 可以利用基於原始查詢的標記和附加輸入特徵的經過訓練的生成模型在運行時生成查詢變體。 我很快就會介紹更多關於附加輸入功能的內容。
2. 即使模型未針對該查詢進行訓練，系統也可以生成查詢變體。 因此，它可以為新穎的查詢（全新的）或谷歌所謂的“尾部”查詢（其中還沒有大量數據）生成變體。 我發現這非常有趣，特別是因為 Google 表示 15% 的查詢以前從未見過。 因此，即使對於低閾值查詢，生成模型也可以通過使用神經網絡（帶有內存層）來預測生成哪些查詢變體。
3. 可以根據用戶提交的先前查詢來訓練生成模型。 但該專利還解釋說，查詢變體訓練數據也可以基於點擊相同文檔的查詢對。 這是有道理的，並表明用戶參與度如何影響模型生成的內容。
4. 該專利還解釋說，該模型可以被訓練為多任務模型，以生成多種類型的查詢變體。 所以它是一個複雜的系統，可以生成不同類型的查詢變體，包括後續查詢、泛化查詢、規範化查詢、語言翻譯查詢、蘊含查詢等等。
5. 生成查詢變體後，模型會對它們進行評分。 系統提供每個變體的響應分數。 系統可以通過檢查這些查詢變體的答案來對這些變體進行評分。 這可以幫助系統檢測“可能是假的”查詢變體。 很有意思…
6. 該專利接著解釋說，除了查詢變體之外，系統還可以返回答案。 例如，系統可以返回搜索結果（PAA 任何人？）、知識圖實體、空響應（無答案），甚至是澄清提示（澄清用戶界面輸入）。 這可能是以消歧芯片的形式出現的，當谷歌在試圖了解用戶正在尋找什麼時尋求用戶的幫助時，我們會看到這種形式。 再次，有趣。
7. 該專利接著解釋說，該模型不僅可以從查詢中獲取標記，還包括“附加輸入特徵”。 這些輸入特徵可以包括位置、用戶感興趣或執行的任務（例如烹飪、修理汽車、旅行計劃等）。 它還可以考慮天氣等因素。 該任務可以基於用戶存儲的日曆條目、聊天消息或其他通信、用戶提交的過去的查詢等。因此，查詢變體可以基於個性化或當前上下文。
8.該模型還可以生成查詢和廣告或其他內容的變體。 因此，該模型不僅可以生成查詢變體，還可以生成（或可能檢索）廣告或可在 SERP 中顯示的其他內容。 我想我必須再次回顧該部分，但這很有趣......:)
9. 該專利還解釋說，可以有多種基於不同屬性或任務的生成模型。 因此，可以有針對購物、前往某個地點等各種任務的特定模型。
摘要： 生成 PASF 和 PAA 的變體可能比某些人想像的更加複雜和細緻。
我希望對這項專利的詳細分析可以幫助您了解 Google 如何使用訓練有素的生成模型來生成可以在各種 SERP 功能中顯示的查詢變體或其他內容。 對於尚沒有太多數據的新穎查詢（新）和長尾查詢，可能會發生這種情況。 此外，可能會使用專注於特定學科的多個模型。 結果也可以個性化（基於額外的輸入特徵）。
因此，下次您在 SERP 中查看“People Also Search For”或“People Also Ask”時，請知道生成模型可能已用於提供這些查詢變體。 如果是個性化的，那麼這些查詢可能是針對您的情況的。 同樣，谷歌的系統比一些人想像的要復雜得多。
GG