在这个新的每周系列中,我们将了解一些最近授予的 Google 搜索专利。
在搜索和 SEO 方面,没有简单的方法可以知道黑匣子中的 Google 是什么。专利申请至少让我们一瞥。
始终值得一提的是,仅仅因为已申请并授予专利并不意味着 Google 正在使用它。而且,如果它被使用,我们不知道更大范围内的阈值或分值。
我们要做的就是进入心态。了解事物在信息检索中的运作方式。
此外,这不会是一次深入的冒险。只是一些亮点。但是,我确实鼓励您关注任何感兴趣的主题并完整阅读它们。
谷歌感兴趣的最新专利
好吧,过去几周有点安静。对于像 Bill Slawski 和我这样的人来说,这有点难过。
不过最近几周对它的兴趣不大,还是来看看吧。
通过搜索查询丰富知识库的计算机化系统和方法
- 提交日期:2016 年 2 月 29 日
- 授予时间:2020 年 1 月 14 日
摘要
“公开了用于丰富搜索查询的知识库的系统和方法。根据一些实施例,分配标识包含在图像中的实体的注释。对象实体基于注释在对象中选择至少一个属性实体,并使用包含对象实体的注释图像确定至少一个属性实体。推断对象实体与至少一个属性实体之间的关系,并将其存储在知识库中。在一些实施例中,可以为实体计算置信度分数。可以在多个图像上聚合置信度分数以识别对象实体。”
值得注意
"根据一些实施例,对象识别技术被用于注释图像es 存储在数据库中或从 Internet 网页获取。注释可以识别图像中包含的人和/或内容。”
“(…) 哪些注释是事实的良好指标,可以通过聚合对象实体的注释和已知为事实的事实来学习。按对象实体对标注图像进行分组,有助于识别对象实体的Top annotations。可以选择Top annotations作为对象实体的属性,推断对象实体和属性之间的关系。”
“(…) also提供用于计算图像分配的注释改进的置信度分数系统和方法。置信度分数可以反映由注释识别的实体实际包含在图像中的可能性。置信度分数可以在每个图像的基础上计算并在注释组上运行聚合图像以改进图像识别和注释技术。”
识别搜索查询以在用户体验期间获取信息活动时间
- 提交日期:2017 年 3 月 15 日
- 颁奖时间:2020 年 1 月 28 日
摘要
“描述了一种计算系统,该计算系统为事件期间的后续搜索确定多个搜索查询,并且对于多个搜索查询中的每一个,安排事件期间的相应时间以搜索相应的搜索查询。响应于确定计算设备的用户在被安排为从多个搜索查询中搜索特定搜索查询的事件期间的不同时间正在经历该事件,计算系统搜索该特定搜索查询并自动地在事件期间发送到计算设备以进行跟进。显示以指示从特定搜索查询的搜索返回的信息。 "
值得注意的
"当经历一个事件(例如,观看和/或收听内容演示)时,用户可能希望辅助信息,因此可能会在经历事件时与计算设备交互以手动搜索此类信息。 "
"(...) 在计算设备的用户正在体验事件时,动态获取并使计算设备呈现与该事件相关的当前信息。如本文所用,术语“事件”是指任何现场表演、广播、重播或其他形式的现场或预录内容(例如,会议演示、集会、会议、音乐或戏剧表演、电影、电视节目、歌曲、音乐会、体育赛事或用户可能体验的任何其他类型的直播或预录内容)。 "
"(...) 用户可能希望在事件发生时或响应特定“子事件”的发生时获取有关事件的准确时间戳的辅助信息。例如,当观看体育比赛时,用户可能有兴趣获得关于刚刚完成重要比赛的鲜为人知的运动员的传记信息,或者可能有兴趣观看重要比赛的重播。或者,在看电影时,用户可能有兴趣查看假期交易或有关充当特定场景背景的奇异地理位置的其他信息。或者,在观看电影或电视节目时,用户可能希望获得有关演员出现在屏幕上的传记和其他表演信息。 "
"当计算设备的用户遇到事件时,系统可以预先确定并存储(例如,在高速缓存或其他存储器中)一个或多个搜索查询以用于后续搜索。 ”
Lexical Tokens 的语义模型
- 提交日期:2017 年 8 月 21 日
- 授予时间:2020 年 1 月 7 日
摘要
《语音识别时标注的方法、系统和装置,包括编码在计算机存储介质上的计算机程序。表示词出现概率的词格获得话语中的序列 获得表示词序列出现频率的条件概率变换器和词的语义标签 词格和条件概率变换器组成词格表示词序列话语和单词语义标签的概率。指示话语中单词序列和单词语义标签概率的单词格用于生成包括话语中单词和语义标签的转录的话。”
Notable
"(...) 从自动语音识别器中获取语音加权词格,表示概率;获得指示单词频率和单词语义标签序列的条件概率变换器; "
"(...) 在语音识别过程中标记单词的机制。通常,语义标记器可以将标记插入词格中,例如由实时大词汇量语音识别系统生成的标记。例如,短语“San Francisco”可能出现在“San”之前标有“
”和“ ”之后标有“Francisco”的单词格路径中。可以通过将预先存在的非常大的命名实体消歧(NED)模型提取到轻量级标注器中来执行。这可以通过从有监督的训练语料库中构造带标签的 n-gram 的联合分布来完成,然后得到条件分布给定的网格来实现。”
基于注意力的递归神经网络语音识别
- 提交日期:2018 年 5 月 3 日
- 授予时间:2020 年 1 月 21 日
摘要
“方法、系统和设备,包括在计算机存储介质上编码的用于语音识别的计算机程序。一种方法包括获得输入声学序列,输入声学序列表示话语,并且输入声学序列包括针对第一数量的时间步长中的每个时间步长的对应声学特征表示。使用第一神经网络来处理输入声学sequence 将输入声学序列转换为输入声学序列的替代表示; input acoustics are processed using an attention-based recurrent neural network (RNN) 一种序列的替代表示,用于为输出序列顺序中的每个位置生成一组子串得分,包括该组中每个子串的相应子串得分子串子串并生成表示话语字符串序列转录的子串。 "
值得注意
"一些语音识别系统包括发音系统、声学建模系统和语言模型。声学建模系统生成声音序列的音素表示,发音系统从音素表示生成声音序列的音素表示,语言模型从字素表示生成由声音序列表示的话语的转录。 “
(...)”使用第一神经网络处理输入声学序列,将输入声学序列转换为输入声学序列的替代表示;使用基于注意力的递归神经网络 (RNN) 处理输入声学序列 序列的替代表示,为输出序列顺序中的每个位置生成一组子串分数,包括集合中每个子串的相应子串分数子串的子串并生成一系列具有代表性的话语转录子串。 "
敬请期待,不要烦
我们在许多即将发布的更新中都有它。
如果您从未花太多时间搜索专利– 是时候了吗?
请务必每周回来查看所有最新奖项并继续前进。
在接下来的几个月中,我也会在我访问时详细介绍认为您应该了解一项特别有趣的 Google 专利。
下周见。
图片来源
特色图片:由作者创建,1 月2020
图像后:美国专利商标局