Google, Resim Sorgularını Nasıl Eşleyebilir?

Aşağıdaki makale size yardımcı olacaktır:Google, Resim Sorgularını Nasıl Eşleyebilir?

Google’da Görüntü Sorgularını Eşleme

Birçok insanın içinde kameralı telefonlar var. Fotoğraflarla arama yapmak daha popüler hale gelecek gibi görünüyor. Google’dan yakın zamanda alınan bir patent, geçen yılın Kasım ayında verilen görselleri kullanarak arama yapmakla ilgili.

Patenti hakkında yazmak için sakladım çünkü Google’ın görsel aramayı içeren diğer bazı yaklaşımları hakkında yazıyordum. Google, resimlerin neler içerebileceğini daha iyi anlamaya çalışmakla ilgili bir geçmişe sahiptir.

Geçen yıl Google’ın görsel arama sonuçlarına ontolojiler içeren semantik kategoriler eklemesi hakkında yazmıştım. O gönderi Google Görsel Arama Etiketleri Daha Anlamsallaşıyor mu?

Aradığımda şaşırdığımı hayal edin [jaguar], Google’ın Evrensel Arama sonuçlarında gösterdiği gibi kedilerin arama sonuçlarında bazı görseller görmeyi bekliyordu. Bir sorgu için resimler, haberler, yerel, videolar ve web sonuçlarını içeren gösterdikleri sonuçları karıştırırlardı. Şunun için sonuçlar [jaguar] kedileri ve arabaları dahil etti, üstlerinde bir konuyla ilgili kategorileri gösterdi. [jaguar] arama ve bu aramaya ilişkin bir ontoloji:

Bu yeni patent kapsamında, birisi bir fotoğraftan veya bilgisayarından bir görüntü kullanarak arama yapabilir.

Google, fotoğraf aramayla ilgili bir Uygulama yayınladı – Google Lens.

Google Lens geçen hafta çektiğim bu fotoğraftaki kuşun şahin olduğunu anladı:

Tanımlamaya çalışması için fotoğrafımdaki bir nesneyi seçmeme izin verdi.

Bu yeni patent Google Lens’ten bahsetmiyor. Geçmişte Google Goggles hakkında bir patent ve bu Uygulamada şu tarihte olabilecek iyileştirmeler hakkında bir yazı yazmıştım: Google’dan Yeni Görsel Arama Fotoğraf Özellikleri. Google Goggles, bir Uygulama olarak kapatıldı. Neyse ki. Görünüşe göre Google Lens, bir resimde yer alan bir nesneye odaklanmak da dahil olmak üzere aynı özelliklerin çoğuna artık sahip (Hawk örneğimde yaptığım gibi).

Bir arama motoru, bir sorgu görsel aramasına yanıt olarak, bir görsele görsel etiketleriyle (sorgu görselindeki özellikleri etiketleyen sorgu görsel etiketleri) açıklama ekleyebilir.

Kendi resmimle ararsam, Google benim resmimi tanır (veya resmin dosya adını okur ve oradan alır.):

Google bize bir görsel arama sırasında bir görselin nasıl etiketlenebileceğini söyler:

Patent bize, aşağıdakilerin eylemlerini içeren “yenilikçi yönlerin” nasıl somutlaştırılabileceğini anlatıyor:

• Sorgu görüntüsü alma
• Sorgu görüntüsüyle ilişkili bir veya daha fazla varlık alma
• Varlıklar için, varlıklarla önceden ilişkilendirilmiş bir veya daha fazla aday arama sorgusunu belirleme
• Her aday arama sorgusu için ilgili bir alaka düzeyi puanı oluşturma
• Sorgu görüntüleri için temsili arama sorguları olarak ilgili alaka düzeyi puanlarına dayalı aday arama sorgularını seçme
• Sorgu görüntüsünün alınmasına yanıt olarak temsili bir arama sorgusu sağlama

Görsellerdeki Varlıklar için Alaka Düzey Puanları

Peki, varlıklar için bu uygunluk puanları nasıl hesaplanır?

Patent açıklaması, böyle bir puan hakkında ayrıntılar sağlar:

Aday arama sorgularının her biri için ilgili alaka puanı şunları içerir:

1. Sorgu görüntüsünün bağlamının aday arama sorgusu ile eşleşip eşleşmediğini belirleme
2. Aday arama sorgusu için ilgili bir alaka düzeyi puanı oluşturma

“Sorgu görüntüsünün içeriğinin aday arama sorgusu ile eşleşip eşleşmediğinin belirlenmesi”, bir görüntünün arama sorgusuyla ilişkili bir yere sahip olup olmadığı anlamına gelir (bilinen yerlerdeki binaların veya heykellerin fotoğraflarını çekmek).

Bu belirleme aynı zamanda bir doğal dil sorgusunun alınması ve en azından alınan doğal dil sorgusuna dayalı olarak aday arama sorgularının her biri için ilgili bir alaka puanının üretilmesi anlamına gelebilir.

Bu nasıl yapılır?

Aday arama sorgularının her biri için:

• Aday arama sorgusunu kullanarak bir arama sonuçları sayfası oluşturma
• Arama sonuçları sayfasının ne kadar ilginç ve kullanışlı olduğunu gösteren bir ölçü belirlemek için oluşturulan arama sonuçları sayfasını analiz etme
• Belirlenen ölçüye göre, aday arama sorgusu için ilgili alaka puanının oluşturulması

Bazı durumlarda, aday arama sorgularının her biri için ilgili bir alaka puanı oluşturmak şunları içerir:

• Aday arama sorgusunun popülaritesini belirleme
• Belirlenen popülerliğe bağlı olarak, aday arama sorgusu için ilgili bir alaka puanı oluşturma

Resim Sorgu Etiket Puanları

Diğer bazı durumlarda, sorgu görüntüsüyle ilişkili bir veya daha fazla varlığın alınması şunları içerir:

• Bir veya daha fazla sorgu görüntü etiketi alma
• Bir veya daha fazla sorgu görüntü etiketi için, bir veya daha fazla sorgu görüntü etiketiyle önceden ilişkilendirilmiş bir veya daha fazla varlık belirleme

Patent bize birkaç farklı türde resim etiketinden bahsediyor:

Bir veya daha fazla sorgu görüntü etiketi, ince grenli görüntü etiketleri içerir veya bunlar, iri grenli görüntü etiketleri içerebilir.

Patentin arkasındaki süreç, sorgu görüntü etiketlerinin her biri için ilgili bir etiket puanının oluşturulmasını da içerebilir.

Bazı uygulamalarda, bir sorgu görüntü etiketi için ilgili bir etiket puanı, en azından sorgu görüntü etiketinin güncelliğine bağlıdır.

Bir sorgu görüntü etiketi için ilgili bir etiket puanı, en azından etiketin ne kadar spesifik olduğuna bağlı olabilir.

Bir sorgu görüntü etiketi için ilgili bir etiket puanı, en azından sorgu görüntü etiketinin elde edildiği bir arka ucun güvenilirliğine ve kalibre edilmiş bir arka uç güven puanına da dayalı olabilir.

En azından aday sorgu puanlarına ve etiket puanlarına dayalı olarak belirli bir aday arama sorgusunun seçilmesi şunları içerir:

• Her bir etiket puanı ile ilişkili aday sorgu puanı arasında bir toplam puan belirleme
• Belirlenen toplu puanların sıralanması
• En yüksek dereceli puana karşılık gelen belirli bir aday arama sorgusunu seçme

Belirli bir aday arama sorgusunun seçimi, en azından aşağıdaki süreçlerden sonra aday sorgu puanlarına dayandırılabilir:

• Aday arama sorguları için alaka puanlarını sıralama
• En yüksek dereceli puana karşılık gelen belirli bir aday arama sorgusunu seçme

Görüntüleri arama sorgularına eşlemenin arkasındaki patent şu adreste bulunabilir:

Görüntüleri arama sorgularıyla eşleme
Mucitler: Matthew Sharifi, David Petrou ve Abhanshu Sharma
Vekil: Google LLC
ABD Patenti: 10.489.410
Verildi: 26 Kasım 2019
Dosyalandı: 18 Nisan 2016

Soyut

Bu belirtim, görüntü tabanlı sorgular (fotoğraflı arama) kullanarak metin arama sorguları oluşturmak için bir sistemi açıklar.

Bu arama sistemi, görüntü tabanlı girdi arama sorgusu için ilgili doğal dil adayı arama sorguları oluşturmak üzere alınan görüntü tabanlı sorgu için bir dizi görsel tanıma sonucunu arama sorgusu günlükleri ve bilinen arama sorgusu öznitelikleri ile birleştirir.

Doğal dil adayı arama sorguları, şu özelliklere sahip arama sorgularına yöneliktir:

1. Kullanıcının niyetini eşleştirin
2. İlginç veya alakalı arama sonuçları sayfaları oluşturun
3. Veya popüler arama sorguları olarak belirlenir

Doğal Dil Sorgularıyla Birleşik Görüntü Sorguları

Bazı durumlarda, bir arama sistemi hem görüntü tabanlı bir arama sorgusu hem de bir doğal dil sorgusu (konuşulmuş ve konuşma tanıma teknolojisi kullanılarak türetilmiş metin) alabilir.

Arama sistemi, girdi görüntüsüne dayalı arama sorgusu için ilgili doğal dil aday arama sorguları oluşturmak üzere, alınan görüntüye dayalı arama sorgusu için bir dizi görsel tanıma sonucunu arama sorgusu günlükleri ve bilinen arama sorgusu öznitelikleri ile birleştirebilir.

Doğal dil adayı arama sorguları, aşağıdakileri içeren arama sorgularına yönelik önyargılıdır:

1. Kullanıcının niyetini eşleştirin
2. İlginç veya alakalı arama sonuçları sayfaları oluşturun
3. Popüler arama sorguları olmaya kararlı
4. Alınan doğal dil sorgusunu içerir veya onunla ilişkilendirilir

Kaba grenli görüntü özellikleri ve ince grenli görüntü özellikleri

Patent, bir görüntüyü belirli bir arama sorgusuna eşlemek için hem kaba taneli görüntü özelliklerini hem de ince taneli görüntü özelliklerini kullanabileceğini söylüyor. Peki ikisi arasındaki fark nedir?

Patent bize, bir görüntü tanıma sistemi tarafından şu şekilde etiketlenen nesnelere veya özelliklere odaklanabileceğini söylüyor:

• Büyük (görüntünün yüksek miktarda yüzey alanını kaplıyor)
• Küçük (görüntünün küçük bir yüzey alanını kaplar)
• Orta (resmin ortasında ortalanmış)

Bir sorgu görüntüsü, bir masanın üzerindeki bir kitabın resmini içerebilir.

O resimde büyük resim özelliği masa, küçük resim özelliği kitap olabilir.
Kitap merkezi bir görüntü özelliği olabilir.

Birleşik Görüntü Sorgusu ve Doğal Dil Sorgusu

Gherkin binasını ararken (bu gönderi için başlık resmine bakın), birisi binanın bir fotoğrafını gönderebilir ve aşağıdaki gibi bir doğal dil sorgusu ekleyebilir:

• “Gherkin nasıl bir mimari tarzı?”
• “Gherkin’in boyu ne kadar?”
• “The Gherkin’de kim oturuyor?”
• “The Gherkin’e yol tarifi”

Görsel Aramaya Yanıt Olarak Arama Sonuçları

Örnek bir SERP sayfası, aranmakta olan görselle ilgili farklı sitelerdeki sonuçlara bağlantılar ve snippet’lerin yanı sıra “‘The Gherkin’ varlığıyla ilgili boyut, yaş ve adres gibi genel bilgiler” sağlayan bir bilgi paneli gösterebilir. bina.”

Patent ayrıca bize arama sonuçlarının şunları da yapabileceğini söyler:

• Bir veya daha fazla varlıkla önceden ilişkilendirilmiş daha fazla aday arama sorgusu gösterin
• Aday arama sorgularının her biri için ilgili puanları oluşturun
• Oluşturulan puanlara dayalı olarak aday arama sorgularından temsili bir arama sorgusu seçin

Patent ayrıca bize, bir görüntünün veya videonun yazılı bir doğal dil sorgusu veya hatta sözlü bir doğal dil sorgusu ile bir aramanın parçası olarak sunulabileceğini söyler (ve hem video hem de sözlü sorgular bu patent kapsamında değerlendirilir).

Patent bize, bir kullanıcı giriş sorgu görüntüsü için sorgu görüntü etiketleri (görsel tanıma sonuçları) ekleyebilen bir görüntü anlatıcısından bahseder. Bunu ilginç buluyorum çünkü Claire Carlile dün bana Google’ın Görüntü Etiketleyici tekrar programlayın. Daha önce dayalı bir oyun olarak çalıştırılmıştı ESP oyunu ile Luis von AhnGoogle’ın da kullandığı Captcha programını icat eden kişi. Oyunun amacı, Google’ın resimlere insan ek açıklamalarını kitle kaynak kullanarak ekleyerek resimlere hangi etiketlerin uygulanması gerektiğini daha iyi anlamasına yardımcı olmaktır.

Patent bize, kaba taneli sorgu görüntü etiketleri ve ince taneli sorgu görüntü etiketleri içeren görüntü açıklamaları hakkında daha fazla bilgi veriyor:

Bir bina sorgusu, aşağıdaki gibi binaları tanımlamak için görüntü tanımayı kullanabilir:

• “Eyfel Kulesi”
• “Empire State binası”
• “Taç Mahal”

Bu gönderinin başlık resmi için ayrıntılı “The Gherkin” etiketi bulunabilir ve tanıma motoru “Norman Foster” (mimar), “Standard Life” (kiracı) veya “City of London” gibi varlıkları tanımlayabilir. ” (konum), “The Gherkin” sorgu etiketinin bir dizi bilinen varlıkla ilişkili terimlerle karşılaştırılmasına dayalı olarak kullanıcı girişi sorgu görüntüsüyle ilişkilendirilmiştir.

Bilinen bir varlıklar kümesi, bunları tanımlayabilen bir veri tabanı kullanılarak tanıma motoru tarafından erişilebilir.

Tanıma motoru, etiketli kullanıcı girdisi sorgu görüntüsüyle ilişkilendirilen tanımlayıcı varlıklara dayalı olarak, varlıkları tanımlayan verileri ve herhangi bir ek bağlam terimini sorgu motoruna iletebilir. SERP’lerde görünen resimlerin etiketlerinde bu tür ilişkilerin olduğunu görüyoruz. [gherkin]Norman Foster’dan ve binadaki bir restoran olan Searcys’den bahsetmek gibi:

Bu eşleme görüntüsü patenti, bilgi grafiğindeki varlıkların ilgili varlıkları yansıtmak için birlikte nasıl eşlenebileceğini gösterir. Bir görüntü sorgusu yaparak bu varlıkları birbirine bağlayan bir bilgi motorundan bahsediliyor:

Ayrıca, aday arama sorgularının (cevaplarla birlikte), yine Gherkin örneğini kullanarak belirli varlıklarla eşlenebileceğini de söyler:

Google, sorgu resimleriyle ilişkili olabilecek varlıklarla önceden ilişkilendirilmiş sorgulara bakabilir ve bu sorgular için puanlar sağlayabilir. Patent bunun bir örneğini gösteriyor:

İlişkili Konumlar ve Görüntü Sorguları

Bir sorgu görüntüsünün bağlamı, sorgu görüntüsünün aday arama sorgusuyla eşleşen ilişkili bir konuma sahip olup olmadığının belirlenmesinde rol oynayabilir.

Örneğin bir manto fotoğrafının bir alışveriş merkezinde çekilmiş olduğu anlaşılabilir. Arama sistemi, bu bağlama dayalı olarak o görüntü için alışveriş veya ticari sonuçlarla ilgili aday arama sorguları için daha yüksek ilgili alaka düzeyi puanları üretebilir.

Bir başka palto fotoğrafı da kullanıcının evinde çekilmiş gibi algılanıyor. Arama sistemi, “bugün ceketime ihtiyacım var mı?”

Başka bir örnek, bağlamın arama cihazının geçerli konumuna karşılık gelen bir konum olduğunu anlamak olabilir. Örneğin, arama sistemi, belirli bir kasaba veya mahallede bir çiçek görüntüsünün alındığını belirleyebilir. Arama sistemi, yakındaki çiçekçiler veya bahçıvanlık hizmetleriyle ilgili aday arama sorguları için ilgili daha yüksek alaka düzeyi puanları oluşturabilir.

One Box ve Web Cevap Kartları Alınan Görüntü Sorguları

Bazı sonuçlar için, alaka düzeyi puanı, arama sonuçları sayfasının ne kadar ilginç ve yararlı olabileceğinin bir ölçüsünü içerebildiğinde, arama sistemi, tek kutulu arama sonuçları sayfaları veya web cevap kartları üreten aday arama sorguları için ilgili alaka düzeyi puanlarını daha yüksek oluşturabilir. tek kutu veya web cevap kartı içermeyen arama sonuçları sayfaları üreten aday arama sorguları.

Resim Sorguları Çıkarımları

Sorgular Resimlerle Nasıl Eşlenir?

Bir sorgu yalnızca bir resimden oluştuğunda, Google görselde ne olduğunu ve görselle ilişkili etiketleri tanımlayabilir. Görüntüde olanlarla başka hangi varlıkların ilişkili olabileceğini anlamaya çalışabilir ve önceden ilişkili sorguların genellikle görüntü ne olursa olsun veya bu ilgili varlıklarla ilişkilendirilip ilişkilendirilmediğini görebilir. Görüntü sorgusunun arkasındaki amacı daha iyi anlamak için konum gibi bağlamsal ipuçlarını da kullanabilir.

Görüntünün içinde yazılı veya sözlü bir doğal dil sorgusu varsa, sorgu günlüklerine bakarak bu ilgili varlıkları ve önceden ilişkili sorguları ve konumdan bağlamı da göz önünde bulundurabilir.

Görsel aramadaki semantik kategorilere erişim, bir görsel sorgusuna yanıt olarak Google’ın Arama Sonuçlarında ne gösterebileceği konusunda bazı ipuçları sağlayabilir.

Bill Slawski hakkında

26 yılı aşkın SEO deneyimi ve Hukuk Doktoru Derecesi ile Bill Slawski, Google’ın SEO ile ilgili patentleri konusunda en önde gelen uzmandır. Patent Keşfi, SEO hakkında yeni bilgiler bulmanın en hızlı ve en ayrıntılı yollarından biridir. Bill, önde gelen bir arama motoru optimizasyonu blogu olan SEO by the Sea’nin Editörüdür ve burada 1.300’den fazla gönderinin yazarıdır. Bill’in deneyimi, Fortune 500 markalarını ve dünyanın en büyük web sitelerinden bazılarını içerir. Bill, Moz, Search Engine Land ve Search Engine Journal için katkıda bulunan bir yazardır. 2014-2021’de arama motoru algoritmaları, evrensel ve harmanlanmış arama, aramada kişiselleştirme, arama ve sosyal ve yinelenen içerik sorunları, yapılandırılmış veri ve şema gibi konularda sektör lideri uluslararası konferanslarda konuşma yaptı.