欢迎回到另一周，我们将在此查看授予 Google 的一些更有趣的与搜索相关的专利。
如果您没有看到上周的帖子，我们汇总了 2020 年上半年所有感兴趣的专利。
在我们的每周条目中，我们不会深入研究专利，更多的是概述，以便您决定是否要更深入地挖掘。
进入谷歌专利是了解谷歌如何在野外做事的好方法。
这可以帮助您更好地制定您的 SEO 工作策略，并使您总体上成为更好的从业者。
让我们来看看本周的一些好东西。
最新的 Google 感兴趣的专利
生成文档的向量表示
- 提交日期：2016 年 9 月 12 日
- 颁发日期：2020 年 10 月 13 日
戴夫的笔记
这是一个艰难的过程，因为 SEO 无法从中获取任何东西来实施。
话虽如此，其中一些元素（特别是向量、神经网络和机器学习）的重要意义在于理解 Google 已经超越了简单的“关键字”和语义分析的旧变体。
我过去写过关于词向量甚至段落向量的文章。
对于现代 SEO 专业人士来说，了解这类东西是一个很好的计划。
很多时候，我发现人们植根于谷歌的老派方法，这些方法在现代搜索引擎优化中并不那么重要。
抽象的
“用于生成文档向量表示的方法、系统和设备，包括在计算机存储介质上编码的计算机程序。 其中一种方法包括获取新文档； 选择多个新文档词集； 使用经过训练的神经网络系统确定新文档的向量表示，其中经过训练的神经网络系统包括：文档嵌入层和分类器，并且其中使用经过训练的神经网络系统确定新文档的向量表示包括迭代地将多个新文档单词集中的每一个提供给经过训练的神经网络系统，以使用梯度下降来确定新文档的向量表示。”
值得注意的
“文本分类系统可以对电子文本片段进行分类，例如电子文档。 例如，文本分类系统可以将一段文本分类为与一组预定主题中的一个或多个相关。 一些文本分类系统接收一段文本的输入特征，并使用这些特征为一段文本生成分类。”
“可以有效地生成可以用作文档特征的文档的矢量表示，例如，通过文本分类系统。 例如，语义相似的文档可以具有比不包括语义相似内容的两个文档的文档向量表示更接近的文档向量表示。 因此，向量表示可以用作许多有用任务的文档特征，例如，查找与当前文档相关的文档，或者在用户浏览当前文档的情况下查找用户可能感兴趣的其他文档。”
使用嵌入在移动设备上对个人实体进行建模
- 提交日期：2015 年 7 月 29 日
- 颁发日期：2020 年 10 月 13 日
戴夫的笔记
再一次，我们不会真正获得 SEO 专业人员可以在野外使用的某种形式的直接信息。
但我们可以从诸如此类的方法中学到的是，一切可能并不总是像看起来那样。
我经常看到 SEO 专业人员在各种环境中谈论测试这个或那个。
问题在于我们没有考虑太多潜在的个性化元素层。
老实说，如今许多人采用的方法对于谷歌潜在的技术深度来说过于简单化了。
该专利中另一个令人感兴趣的元素是“个人知识库”一词的使用。
大多数 SEO 专业人士都熟悉更大的知识库语料库，但个性化的集合似乎更有限，绝对值得一读。
这一篇还讨论了“连续的词袋” 概念（和向量），所以这里有更多关于这些的阅读：
值得注意的
“嵌入空间随着时间的推移而学习和调整，因此嵌入成为用户个人知识库的表示。 该系统可以对计算设备生成的任何内容中的实体进行建模，包括移动设备上的屏幕、用户帐户中的电子邮件消息、用户社交媒体帐户中的更新和帖子等。个人实体可能基于特定识别实体的用户（例如，在电子邮件的发件人或收件人地址中）。”
“ 特征可以包括其他个人实体（例如，来自过去和当前屏幕）、公共实体/主题、实体最常出现的应用程序等。例如，系统可以训练模型来预测一个实体给定另一个实体实体（例如，Mary 和 Rob 通常都包含在同一个电子邮件流中，或者在与 John 的通信中通常讨论足球）。 此外，该系统可以被训练来预测个人序列，例如用户通常阅读电子邮件，然后打开一个新闻应用程序。”
“在一个一般方面，一种方法包括识别为在计算设备上显示而生成的内容中的第一个人实体，第一个人实体与与计算设备的用户相关联的个人知识库中的嵌入相关联，预测关联基于嵌入的第一个人实体和第二实体之间的关系，并提供与第二实体相关的推荐，该推荐将显示在计算设备上。”
“作为一个例子，一旦生成了个人实体（例如个人知识库）的建模，系统就可以使用它来根据屏幕内容预测单词或短语，识别个人实体的圈子或类别，以增强- 具有最近邻检索的设备搜索，个性化预测（例如，根据先前的屏幕内容预测文本消息的接收者，在向特定人发送消息时偏向与特定类别相关的实体等），个性化广告等。”
为无参数搜索查询提供结果
- 提交日期：2019 年 7 月 26 日
- 颁发日期：2020 年 10 月 13 日
戴夫的笔记
这当然是一件有趣的事。
从它的阅读方式来看，它主要关注移动设备和预测/推荐引擎元素。
谷歌的预测类型算法当然没有什么新鲜事，这只是一个看起来很有趣的算法，它试图为你提前思考。
人们还必须考虑到它也可能有点怪异，因为谷歌有可能进一步决定你想要什么以及你是谁，而不需要你采取任何行动。
但这是另一天的辩论。
人们还必须假设这样的事情会与 Google Ads 和其他货币化系统交叉实施。
对于 SEO 专业人士来说，这进一步表明关键字和其他术语定位并不是当今的最终目标。
在这种情况下，强大的本地存在可能是更重要的因素。
抽象的
“在一种实施方式中，计算机实现的方法包括接收提供给移动计算设备的无参数搜索请求，以获取与移动计算设备的用户相关的信息。 该方法还包括，响应于接收到的无参数搜索请求，利用数字计算机系统识别基于移动计算设备的当前上下文确定为与移动计算设备的用户相关的一个或多个结果。 该方法还包括将结果提供给移动计算设备的用户显示。”
值得注意的
“无参数搜索查询是一种搜索查询，它向移动计算设备查询与用户相关的信息，但用户不提供任何参数来进一步指定在给定时间与用户相关的内容。 相反，无参数搜索查询使移动计算设备承担了确定用户可能认为什么相关的责任。 为了向用户提供相关性的指示，移动计算设备可以检查在接收到无参数搜索查询时移动计算设备和/或移动计算设备的用户存在于其中的当前上下文。 无参数搜索查询是不包含搜索查询的任何参数的搜索查询（也可以称为“零输入”查询）。 相反，无参数搜索查询要求移动计算设备基于移动计算设备的当前上下文（例如，一天中的时间、地理位置、日历约会等）。”
“例如，假设移动计算设备正在与高速公路上的用户一起移动，该用户在工作日的高峰时间（例如，周一至周五）高速行驶。 如果用户向移动计算设备提交无参数搜索查询，该设备可以检查其当前上下文（高峰时段在高速公路上行驶）并推断用户希望接收前方高速公路路段的交通信息。 移动计算设备可以推断搜索查询的参数（例如，交通状况和高速公路号码），识别搜索查询的结果（例如，预计在两英里内遇到走走停停的交通），并将结果提供给用户（例如，激活移动设备上的扬声器并向用户发送交通状况的声音）。”
“ 鉴于向移动计算设备提供输入（例如，在较小的键盘/屏幕上打字）可能是乏味且耗时的，最大限度地减少用户接收相关信息所需的时间可以节省用户时间。 此外，移动计算设备的用户可能希望在他们忙于使提供输入不切实际或不安全的另一任务(例如驾驶汽车)时向移动计算设备提交搜索查询。 在这种情况下，用户可以提供简单的输入（例如，按下移动设备上的按钮、摇动移动设备等），允许用户接收相关信息，而无需用户表现出不切实际或不安全的行为。”
“（……）用户通常需要几个步骤来向移动计算设备提供带有参数的搜索查询，以定位与用户相关的信息。 例如，如果用户想要快速定位附近的餐馆，则用户可能必须浏览移动计算设备上的各种菜单才能到达基于位置的搜索界面（例如，地图应用程序的界面），然后可能必须输入查询的参数（例如，“餐厅”、“当前位置附近”）。 使用无参数搜索查询，用户无需提供公式化的搜索查询即可获得他们感兴趣的信息。 相反，使用无参数搜索查询，用户可以通过仅向移动计算设备提供指示对无参数搜索查询的请求的输入来访问他/她感兴趣的信息。 这样的输入对于用户来说可以是简单且容易执行的，例如摇动移动计算设备设定的次数（例如，摇一次、摇两次等），按下移动计算设备上的按钮持续一段时间。一段时间（例如，按住按钮两秒钟），向移动计算设备提供口头命令（例如，命令设备“现在搜索”）等。”
一定要让你的极客开始工作，并花一些时间完全阅读这些内容。
它肯定会帮助您拓宽您作为 SEO 专业人士的思维，超越社区中常见的核心简单元素。
下周见！
更多资源：
图片来源
特色图片：作者创作，2020 年 10 月
后期图片：USPTO
