Dans cette nouvelle série hebdomadaire, nous examinerons certains brevets Google Search récemment accordés.
En ce qui concerne la recherche et le référencement, il n'y a pas de moyen facile de savoir ce qui est dans la boîte noire qu'est Google. Les dépôts de brevets peuvent au moins nous donner un aperçu.
Il vaut toujours la peine de noter que le simple fait qu'un brevet a été déposé et délivré ne signifie pas que Google l'utilise. Et s'il est utilisé, nous ne connaissons pas les seuils ou les valeurs de notation dans le contexte plus large.
Tout ce que nous recherchons avec cet exercice, c'est de nous mettre dans l'état d'esprit. Une idée de la façon dont les choses fonctionnent dans la recherche d'informations.
De plus, ce ne sera pas une aventure en profondeur. Juste quelques faits saillants. Cependant, je vous encourage à faire le suivi de tout sujet d'intérêt et à les lire entièrement.
Derniers brevets d'intérêt Google
Eh bien, les dernières semaines ont été un peu calmes. Ce qui est un peu triste pour les gars comme Bill Slawski et moi-même.
Mais il y a eu «quelques» centres d'intérêt ces dernières semaines, alors jetons un œil.
Systèmes et méthodes informatisés pour enrichir une base de connaissances pour les requêtes de recherche
- Déposé le 29 février 2016
- Accordé: 14 janvier 2020
Abstrait
«Des systèmes et des procédés sont décrits pour enrichir une base de connaissances pour les requêtes de recherche. Selon certains modes de réalisation, des images sont affectées d'annotations qui identifient les entités contenues dans les images. Une entité d'objet est sélectionnée parmi les entités sur la base des annotations et au moins une entité d'attribut est déterminée à l'aide d'images annotées contenant l'entité d'objet. Une relation entre l'entité objet et la au moins une entité attributaire est déduite et stockée dans la base de connaissances. Dans certains modes de réalisation, la confiance peut être calculée pour les entités. Les scores de confiance peuvent être agrégés sur une pluralité d'images pour identifier une entité objet. »
Notable
«Conformément à certains modes de réalisation, la technologie de reconnaissance d'objets est utilisée pour annoter des images stockées dans des bases de données ou récoltées à partir de pages Web Internet. Les annotations peuvent identifier qui et / ou ce qui est contenu dans les images. «
«(…) Peut apprendre quelles annotations sont de bons indicateurs de faits en agrégeant des annotations sur des entités d'objet et des faits qui sont déjà connus pour être vrais. Le regroupement d'images annotées par entité d'objet permet d'identifier les annotations supérieures de l'entité d'objet. Les annotations supérieures peuvent être sélectionnées en tant qu'attributs pour les entités d'objet et des relations peuvent être déduites entre les entités d'objet et les attributs. »
«(…) Fournissent également des systèmes et des méthodes améliorés pour calculer les scores de confiance des annotations attribuées aux images. Les scores de confiance peuvent refléter la probabilité qu'une entité identifiée par une annotation soit réellement contenue dans une image. Les scores de confiance peuvent être calculés image par image et agrégés sur des groupes d'images annotées afin d'améliorer les techniques de reconnaissance et d'annotation d'images. »
Détermination des requêtes de recherche pour obtenir des informations lors d'une expérience utilisateur d'un événement
- Déposé: 15 mars 2017
- Accordé: 28 janvier 2020
Abstrait
«Un système informatique est décrit qui détermine une pluralité de requêtes de recherche pour une recherche ultérieure pendant un événement, et planifie, pour chacune de la pluralité de requêtes de recherche, un temps respectif pendant l'événement pour rechercher la requête de recherche correspondante. En réponse à la détermination qu'un utilisateur d'un dispositif informatique connaît l'événement au moment respectif pendant l'événement au cours duquel une requête de recherche particulière de la pluralité de requêtes de recherche est planifiée pour être recherchée, le système informatique recherche la requête de recherche particulière et envoie automatiquement , au dispositif informatique pour un affichage ultérieur pendant l'événement, une indication des informations renvoyées par la recherche de la requête de recherche particulière. «
Notable
« Lors d'un événement (par exemple, regarder et / ou écouter une présentation de contenu), un utilisateur peut souhaiter obtenir des informations secondaires liées à l'événement et peut donc interagir avec un appareil informatique pour rechercher manuellement ces informations lors de l'événement. . «
«(…) Pendant qu'un utilisateur d'un dispositif informatique vit un événement, obtenir dynamiquement et faire en sorte que le dispositif informatique présente des informations actuelles pertinentes pour l'événement. Le terme «événement» tel qu'il est utilisé dans le présent document fait référence à toute représentation, diffusion, lecture ou tout autre type de présentation de contenu en direct ou préenregistré (par exemple, présentations de réunions, assemblées, conférences, représentations musicales ou théâtrales, films, émissions de télévision chansons, concerts, événements sportifs ou tout autre type de contenu en direct ou préenregistré que les utilisateurs peuvent expérimenter). »
«(…) Un utilisateur peut souhaiter obtenir des informations secondaires sur l'événement, à des horodatages précis, ou en réponse à des« sous-événements »particuliers se produisant, pendant l'événement. Par exemple, tout en regardant un événement sportif, un utilisateur peut être intéressé à obtenir des informations biographiques sur un joueur moins connu qui vient de jouer un jeu important, ou peut être intéressé à voir une rediffusion du jeu important. Ou, tout en regardant un film, un utilisateur peut être intéressé à voir des offres de vacances ou d'autres informations sur une situation géographique exotique qui est la toile de fond d'une scène particulière. Ou en regardant un film ou une présentation télévisée, l'utilisateur peut souhaiter obtenir des informations biographiques et autres informations sur les acteurs, telles qu'elles apparaissent à l'écran. »
« Le système peut prédéterminer et stocker (par exemple, dans le cache ou dans une autre mémoire) une ou plusieurs requêtes de recherche pour une recherche ultérieure lorsqu'un utilisateur d'un dispositif informatique connaît l'événement. »
Modèle sémantique pour le balisage de réseaux de mots
- Déposé: 21 août 2017
- Accordé: 7 janvier 2020
Abstrait
«Méthodes, systèmes et appareils, y compris les programmes informatiques codés sur un support de stockage informatique, pour l'étiquetage pendant la reconnaissance vocale. Un réseau de mots qui indique les probabilités de séquences de mots dans un énoncé est obtenu. Un transducteur de probabilité conditionnelle qui indique une fréquence d'apparition des séquences des mots et des étiquettes sémantiques pour les mots est obtenu. Le réseau de mots et le transducteur de probabilité conditionnelle sont composés pour construire un réseau de mots qui indique des probabilités pour des séquences à la fois des mots dans l'énoncé et des balises sémantiques pour les mots. Le réseau de mots qui indique les probabilités pour les séquences des mots dans l'énoncé et les balises sémantiques pour les mots est utilisé pour générer une transcription qui inclut les mots dans l'énoncé et les balises sémantiques pour les mots. »
Notable
«(…) Obtenir, à partir d'un identificateur de parole automatisé, un réseau de mots pondéré par les énoncés qui indique les probabilités de séquences de mots dans un énoncé; obtenir un transducteur de probabilité conditionnelle qui indique une fréquence d'apparition des séquences des mots et des balises sémantiques pour les mots; »
«(…) Mécanismes de balisage des mots lors de la reconnaissance vocale. En général, un étiqueteur sémantique peut insérer des étiquettes dans un réseau de mots, tel qu'un réseau de mots produit par un système de reconnaissance vocale à vocabulaire large en temps réel. Par exemple, l'expression « San Francisco » peut apparaître dans le chemin d'un mot en treillis et étiquetée avec des métadonnées de «
« Avant » San « et métadonnées de » « Après » Francisco « ». ««Le marquage peut être effectué en distillant un très grand modèle de désambiguïsation d'entité nommée (NED) préexistant dans un marqueur léger. Cela peut être accompli en construisant une distribution conjointe de n-grammes marqués à partir d'un corpus d'entraînement supervisé, puis en dérivant une distribution conditionnelle pour un réseau donné. »
Reconnaissance vocale avec des réseaux de neurones récurrents basés sur l'attention
- Déposée: 3 mai 2018
- Accordé: 21 janvier 2020
Abstrait
«Méthodes, systèmes et appareils, y compris les programmes informatiques codés sur des supports de stockage informatique pour la reconnaissance vocale. Un procédé consiste à obtenir une séquence acoustique d'entrée, la séquence acoustique d'entrée représentant un énoncé et la séquence acoustique d'entrée comprenant une représentation de caractéristique acoustique respective à chacun d'un premier nombre de pas de temps; traiter la séquence acoustique d'entrée en utilisant un premier réseau de neurones pour convertir la séquence acoustique d'entrée en une représentation alternative pour la séquence acoustique d'entrée; traiter la représentation alternative de la séquence acoustique d'entrée à l'aide d'un réseau neuronal récurrent basé sur l'attention (RNN) pour générer, pour chaque position dans un ordre de séquence de sortie, un ensemble de scores de sous-chaîne qui comprend un score de sous-chaîne respectif pour chaque sous-chaîne dans un ensemble de sous-chaînes; et générer une séquence de sous-chaînes qui représentent une transcription de l'énoncé. «
Notable
«Certains systèmes de reconnaissance vocale comprennent un système de prononciation, un système de modélisation acoustique et un modèle de langage. Le système de modélisation acoustique génère une représentation phonémique de la séquence acoustique, le système de prononciation génère une représentation graphème de la séquence acoustique à partir de la représentation phonémique et le modèle de langage génère la transcription de l'énoncé qui est représenté par la séquence acoustique à partir de la représentation graphème . «
(…) «Traiter la séquence acoustique d'entrée à l'aide d'un premier réseau de neurones pour convertir la séquence acoustique d'entrée en une représentation alternative de la séquence acoustique d'entrée; traiter la représentation alternative de la séquence acoustique d'entrée à l'aide d'un réseau neuronal récurrent basé sur l'attention (RNN) pour générer, pour chaque position dans un ordre de séquence de sortie, un ensemble de scores de sous-chaîne qui comprend un score de sous-chaîne respectif pour chaque sous-chaîne dans un ensemble de sous-chaînes; et générer une séquence de sous-chaînes qui représentent une transcription de l'énoncé. «
Restez à l'écoute et devenez geek
Et nous l'avons là pour la première des nombreuses mises à jour à venir.
Si vous n’avez jamais passé du temps de qualité avec un brevet de recherche – n’est-il pas temps de le faire?
Assurez-vous de revenir chaque semaine pour toutes les dernières récompenses et obtenez votre geek.
Au cours des prochains mois, j'écrirai également plus en détail quand il y a un brevet Google particulièrement intéressant que je pense que vous devriez connaître.
À la semaine prochaine.
Davantage de ressources:
Crédits d'image
Image vedette: Créé par l'auteur, janvier 2020
Images postales: USPTO