评估搜索查询的语义解释

[Reddi2]

这项谷歌专利于2019年7月提出，可以理解为Rankbrain的进一步发展或补充。它描述了一种如何在搜索查询中确定不同语义含义的方法。每个语义解释都与另一个规范搜索查询相链接。当前搜索查询将根据此查询和规范搜索词进行修改。



与前面提到的关于语义注释的专利类似，修改后的搜索词已经带有语义注释。通过比较原始搜索查询和修改后查询的搜索结果，可以验证可能的语义含义并进行加权。搜索结果的相似程度决定了接近度。相似度基于与特定搜索 医师数据库 查询相关的某些关键词在修改后的搜索结果中出现的频率。例如，关键词出现的频率越高可能表明修改后的搜索查询越可能与语义相匹配。


在某些情况下，其他数据，例如： B.用户的点击率，网站流量数据，或者其他数据，可以用来解释可能的语义解释。



根据一个或多个过去查询的实体集合提供查询建议


谷歌 2019 年 7 月的另一项专利描述了一种 Google Suggest 根据过去的搜索查询生成建议的方法。实体在这里也发挥着作用。与之前的 Suggest 建议中出现的实体或过去搜索过的实体相关的实体是确定新 Suggest 建议的相似度指标的基础。



谷歌进一步申请了基于实体的搜索查询解释专利
基于上下文的即时搜索建议
根据设备方向解释用户查询


Rankbrain、BERT、MUM 和知识图谱的相互作用
我认为，越来越明显的是，谷歌越来越成为一个临时的应答机器，因此搜索查询的含义变得比纯粹基于关键字的搜索查询解释越来越重要。

以前的信息检索方法仅限于搜索查询中出现的术语，并将其与各个术语出现的内容进行比较，而不考虑术语之间的上下文联系，从而确定其实际含义。

Rankbrain、BERT 和 MUM 等创新本质上旨在通过将搜索实体与实体数据库（知识图谱）进行比较来识别搜索实体，根据相关实体之间的关系确定上下文，并识别搜索查询和文档的含义。为了规范和简化搜索查询，它们被改进和重写并提供语义注释。