คำตอบที่ดีสำหรับคำถามที่ถามคำถามคืออะไร

องค์ประกอบของคำถามค้นหาคำตอบและองค์ประกอบของคำตอบ

Google ได้รับสิทธิบัตรเมื่อเร็ว ๆ นี้โดยมุ่งเน้นที่คำถามค้นหาคำตอบและให้คำตอบที่ดีสำหรับคำถามดังกล่าว

การมีแนวคิดว่าองค์ประกอบของการสืบค้นคำตอบคืออะไร สามารถช่วยให้ผู้คนเข้าใจถึงสิ่งที่พวกเขาอาจต้องเผยแพร่เพื่อให้คำตอบสำหรับคำถามเหล่านั้น

ดังนั้นจึงเป็นเรื่องที่น่าสนใจที่จะได้เห็นว่าสิทธิบัตรนี้บอกอะไรเกี่ยวกับสิ่งที่ Google อาจกำลังมองหาในแง่ของคำตอบที่ดีสำหรับคำถามต่างๆ

สิทธิบัตรนี้มุ่งเน้นไปที่:

วิธีที่ระบบค้นหาสามารถเรียนรู้องค์ประกอบที่เป็นลักษณะเฉพาะของคำถามค้นหาคำตอบและคำตอบสำหรับคำถามค้นหาคำตอบ

คำอธิบายของสิทธิบัตรเริ่มต้นด้วยการบอกเราเพิ่มเติมเกี่ยวกับคำตอบที่ดีสำหรับคำถาม:

โดยทั่วไป ระบบการค้นหาจะรับคำค้นหาและได้ผลลัพธ์การค้นหาที่ตรงกับคำค้นหา ผลการค้นหาระบุทรัพยากรที่เกี่ยวข้องหรือตอบสนองต่อคำค้นหา เช่น แหล่งข้อมูลที่เข้าถึงอินเทอร์เน็ตได้ ระบบการค้นหาสามารถระบุผลการค้นหาประเภทต่างๆ มากมายตามคำค้นหาที่ได้รับ เช่น ผลการค้นหาที่ระบุหน้าเว็บ รูปภาพ วิดีโอ หนังสือ หรือบทความข่าว ผลการค้นหาที่แสดงเส้นทางการขับขี่ และอื่นๆ อีกมากมาย ประเภทของผลการค้นหา

ซึ่งอาจรวมถึง Google ที่รับรู้ข้อมูลเกี่ยวกับเอนทิตีในข้อความค้นหาเหล่านั้นและใช้ข้อมูลดังกล่าวเป็นคำตอบ:

ระบบการค้นหาอาจใช้ประโยชน์จากระบบย่อยต่างๆ เพื่อรับทรัพยากรที่เกี่ยวข้องกับการสืบค้น ตัวอย่างเช่น ระบบการค้นหาสามารถรักษาฐานความรู้ที่เก็บข้อมูลเกี่ยวกับเอนทิตีต่างๆ และให้ข้อมูลเกี่ยวกับเอนทิตีเมื่อคำค้นหาอ้างอิงถึงนามแฝงของเอนทิตี ระบบสามารถกำหนดนามแฝงสตริงข้อความให้กับแต่ละเอนทิตีได้ตั้งแต่หนึ่งรายการขึ้นไป ตัวอย่างเช่น เทพีเสรีภาพสามารถเชื่อมโยงกับนามแฝง "เทพีเสรีภาพ" และ "เทพีเสรีภาพ" นามแฝงไม่จำเป็นต้องซ้ำกันระหว่างเอนทิตี ตัวอย่างเช่น “จากัวร์” สามารถเป็นนามแฝงสำหรับทั้งสัตว์และสำหรับผู้ผลิตรถยนต์

นอกจากนี้ยังอาจเกี่ยวข้องกับ Google ในการทำความเข้าใจส่วนต่างๆ ของคำพูดในข้อความค้นหา และใช้ข้อมูลดังกล่าวในคำตอบด้วย:

อีกตัวอย่างหนึ่งของระบบย่อยการค้นหาคือเครื่องติดแท็กคำพูด ตัวติดแท็กคำพูดจะวิเคราะห์คำศัพท์ในแบบสอบถามและจัดประเภทคำศัพท์แต่ละคำให้เป็นส่วนหนึ่งของคำพูดโดยเฉพาะ เช่น คำนาม กริยา หรือวัตถุโดยตรง อีกตัวอย่างหนึ่งของระบบย่อยการค้นหาคือตัวระบุคำรูท เมื่อได้รับข้อความค้นหาเฉพาะ ตัวระบุไม้รากสามารถจำแนกคำในแบบสอบถามเป็นคำราก ซึ่งเป็นคำที่ไม่ขึ้นอยู่กับคำอื่นใดในแบบสอบถาม ตัวอย่างเช่น ในแบบสอบถาม "วิธีทำลาซานญ่า" ตัวระบุคำหลักสามารถระบุได้ว่า "ทำอาหาร" เป็นคำรากของข้อความค้นหา

เหนือสิ่งอื่นใด สิทธิบัตรนี้มีขึ้นเฉพาะเกี่ยวกับการค้นหาคำตอบที่กระชับสำหรับข้อความค้นหาที่เน้นการแสดงคำตอบสำหรับคำถามของผู้ค้นหา:

ข้อมูลจำเพาะนี้อธิบายเทคโนโลยีที่เกี่ยวข้องกับการจำแนกการสืบค้นเป็นการแสวงหาคำตอบและการสร้างคำตอบสำหรับการค้นหาคำตอบ คำถามค้นหาคำตอบคือข้อความค้นหาที่ออกโดยผู้ใช้ที่ค้นหาคำตอบที่กระชับ ตัวอย่างเช่น "จอร์จ วอชิงตันเกิดเมื่อไร" จะถูกจัดประเภทตามระบบเป็นคำถามค้นหาคำตอบ เนื่องจากระบบสามารถระบุได้ว่ามีแนวโน้มว่าผู้ใช้ที่ออกคำถามจะแสวงหาคำตอบที่กระชับ เช่น "ก.พ. 22, 1732”

ตัวอย่างคำตอบสำหรับการค้นหาจากภาพวาดของสิทธิบัตร:

จำแนกคำถามเป็นการแสวงหาคำตอบและสร้างคำตอบสำหรับคำถามค้นหาคำตอบ

คำค้นหาที่ค้นหาคำตอบคือคำค้นหาโดยผู้ค้นหาที่กำลังมองหาคำตอบที่กระชับ

ตัวอย่างหนึ่งคือ “จอร์จ วอชิงตันเกิดเมื่อไหร่” ที่สามารถจัดเป็นคำค้นหาที่ต้องการคำตอบได้ เพราะสามารถระบุได้ว่าผู้ค้นหาต้องการคำตอบเช่น "ก.พ. 22, 1732”

สิทธิบัตรบอกเราว่าไม่ใช่ทุกคำค้นหาที่ต้องการคำตอบ และอาจส่งคืนผลการค้นหาเท่านั้น ไม่ใช่ช่องคำตอบที่มีคำตอบ

สำหรับข้อความค้นหาบางรายการ คำตอบที่ดีที่สุดอาจดูเหมือนเป็นการจัดเตรียมรายการเอกสารที่เกี่ยวข้องกับข้อความค้นหาที่จัดเรียงไว้ให้กับผู้ค้นหา มีผู้ค้นหา "ร้านอาหารในนิวยอร์ก" และพวกเขาต้องการรายการเอกสารเกี่ยวกับสถานที่กินต่างๆ ในนิวยอร์ค

เราชี้ไปที่จุดประสงค์เบื้องหลังสิทธิบัตรนี้ และได้รับการบอกเล่าว่าเหตุใดจึงมี:

เทคนิคที่อธิบายด้านล่างเกี่ยวข้องกับทั้งวิธีที่ระบบสามารถจำแนกการสืบค้นเป็นคำถามค้นหาคำตอบ และวิธีที่ระบบสามารถระบุส่วนต่างๆ ของเอกสารที่ตอบสนองซึ่งน่าจะเป็นคำตอบที่ดีสำหรับคำถามค้นหาคำตอบ

นี่เป็นครั้งแรกที่ฉันได้เห็นอะไรจาก Google ที่บอกเราว่า "คำตอบที่ดี" สำหรับคำถามหนึ่งๆ อาจอยู่ในช่องคำตอบ

ระบุคำตอบค้นหาแบบสอบถาม

คำอธิบายสิทธิบัตรบอกเราว่ากระบวนการเบื้องหลังการรับรู้คำถามค้นหาคำตอบคืออะไร

เริ่มต้นด้วยการสรุปแง่มุมต่างๆ ของสิทธิบัตรและกำหนดลักษณะการทำงานในแง่มุมต่างๆ ซึ่งฉันจะลงรายละเอียดเพิ่มเติมในโพสต์นี้

กระบวนการระบุคำถามค้นหาคำตอบประกอบด้วย:

• ได้รับแบบสอบถามที่มีหลายคำ
• การจัดประเภทคำถามเป็นคำถามค้นหาคำตอบของคำถามประเภทใดประเภทหนึ่ง
• รับประเภทคำตอบอย่างน้อยหนึ่งประเภทที่เกี่ยวข้องกับประเภทคำถามโดยเฉพาะ
• โดยที่คำตอบแต่ละประเภทระบุองค์ประกอบคำตอบอย่างน้อยหนึ่งองค์ประกอบซึ่งแสดงถึงลักษณะของคำตอบที่ถูกต้องสำหรับคำถามค้นหาคำตอบ
• รับผลการค้นหาที่ตรงกับคำค้นหา โดยแต่ละรายการจะระบุเอกสาร
• การคำนวณคะแนนตามลำดับสำหรับข้อความตั้งแต่หนึ่งข้อความขึ้นไปในแต่ละเอกสารที่ระบุโดยผลการค้นหา
• โดยที่คะแนนสำหรับข้อความแต่ละข้อความขึ้นอยู่กับจำนวนคำตอบประเภทใดประเภทหนึ่งหรือมากกว่าที่ตรงกับข้อความ
• ในการตอบแบบสอบถาม การนำเสนอที่มีข้อมูลจากข้อความที่เลือกหนึ่งหรือหลายรายการตามคะแนนที่เกี่ยวข้อง

คุณสมบัติเสริมอื่นๆ ที่เกี่ยวข้องกับกระบวนการนี้:

• ระบุข้อความแรกและผลการค้นหาที่ตรงกับคำค้นหาหนึ่งรายการขึ้นไป
• การพิจารณาว่าข้อความที่มีคะแนนตรงตามเกณฑ์
• การเลือกข้อความที่มีคะแนนตรงตามเกณฑ์เพื่อรวมในการนำเสนอ

คำถามค้นหาคำตอบคืออะไร?

การจัดประเภทข้อความค้นหาเป็น "คำถามค้นหาคำตอบ" เฉพาะบางประเภทอาจหมายถึง:

• จับคู่ข้อความค้นหากับคำถามหลายประเภท
• โดยที่คำถามแต่ละประเภทจะระบุองค์ประกอบของคำถามจำนวนหนึ่งซึ่งแสดงถึงลักษณะของการสืบค้นที่เกี่ยวข้องกันโดยรวม
• การพิจารณาว่าเงื่อนไขของข้อความค้นหาตรงกับประเภทคำถามแรกของจำนวนคำถามประเภท

เงื่อนไขการสืบค้นตรงกับประเภทคำถามอย่างไร

"n-gram" หมายถึงลำดับของคำที่มีความยาว "n" ดังนั้น 2 กรัมจะมีความยาวสองคำ และ 3 กรัมจะยาว 3 คำ โดยการใช้ถ้อยคำนี้เป็น "n-gram" กระบวนการในสิทธิบัตรให้ความยืดหยุ่นในการสำรวจความยาวต่างๆ

การพิจารณาว่าข้อความค้นหาตรงกับคำถามบางประเภทหมายความว่า:

• การพิจารณาว่า n-gram แรกในแบบสอบถามแสดงถึงเอนทิตีอินสแตนซ์
• การพิจารณาว่าคำถามประเภทแรกนั้นรวมถึงองค์ประกอบของคำถามซึ่งเป็นตัวแทนของอินสแตนซ์ของเอนทิตี

การพิจารณาว่าข้อความค้นหาตรงกับคำถามบางประเภทหมายความว่า:

• การตัดสินใจว่า n-gram แรกในแบบสอบถามแสดงถึงอินสแตนซ์ของ class
• การพิจารณาว่าประเภทคำถามมีองค์ประกอบคำถามที่เป็นตัวแทนของคลาส

การพิจารณาว่าข้อความแรกของข้อความตรงกับประเภทคำตอบแรกของประเภทคำตอบอย่างน้อยหนึ่งประเภท

• การตัดสินใจว่าข้อความข้อความแรกมี n-grams ที่ตรงกับองค์ประกอบคำตอบของประเภทคำตอบแรกอย่างน้อยหนึ่งรายการ
• องค์ประกอบคำตอบแรกขององค์ประกอบคำตอบอย่างน้อยหนึ่งรายการอาจแสดงถึงการวัดเชิงตัวเลข

เมื่อพิจารณาว่าข้อความแรกของข้อความตรงกับประเภทคำตอบแรกประกอบด้วยการพิจารณาว่าข้อความแรกของข้อความมี n-gram ที่แสดงถึงการวัดเชิงตัวเลข

• องค์ประกอบคำตอบแรกขององค์ประกอบคำตอบอย่างน้อยหนึ่งรายการแสดงถึงกริยา class
• การพิจารณาว่าข้อความแรกของข้อความตรงกับประเภทคำตอบแรกประกอบด้วยการพิจารณาว่าข้อความแรกของข้อความมี n-gram ที่แสดงถึงตัวอย่างของคลาสกริยา

สิทธิบัตรนี้สามารถพบได้ที่:

การสร้างองค์ประกอบของคำถามค้นหาคำตอบและองค์ประกอบของคำตอบ
ผู้ประดิษฐ์: Yi Liu, Preyas Popat, Nitin Gupta และ Afroz Mohiuddin
ผู้รับมอบหมาย: Google LLC
สิทธิบัตรสหรัฐอเมริกา: 10,592,540
ที่ได้รับ: 17 มีนาคม 2020
ยื่น: 28 มิถุนายน 2016

เชิงนามธรรม

วิธีการ ระบบ และอุปกรณ์ รวมถึงโปรแกรมคอมพิวเตอร์ที่เข้ารหัสบนสื่อบันทึกข้อมูลคอมพิวเตอร์ เพื่อสร้างคำตอบสำหรับคำถามค้นหาคำตอบ

วิธีหนึ่งรวมถึงการรับแบบสอบถามที่มีหลายคำ แบบสอบถามถูกจัดประเภทเป็นแบบสอบถามการค้นหาคำตอบของคำถามประเภทใดประเภทหนึ่ง และจะได้รับประเภทคำตอบหนึ่งหรือหลายประเภทที่เกี่ยวข้องกับคำถามประเภทนั้น

ผลการค้นหาที่ตรงกับคำค้นหาจะได้รับ และคะแนนตามลำดับจะถูกคำนวณสำหรับข้อความตั้งแต่หนึ่งข้อความขึ้นไปที่เกิดขึ้นในแต่ละเอกสารที่ระบุโดยผลการค้นหา โดยคะแนนสำหรับข้อความแต่ละข้อความจะขึ้นอยู่กับจำนวนข้อความหรือ ประเภทคำตอบเพิ่มเติมตรงกับข้อความ

การนำเสนอที่มีข้อมูลจากข้อความที่เลือกตั้งแต่หนึ่งข้อความขึ้นไปโดยพิจารณาจากคะแนนที่เกี่ยวข้องมีให้เพื่อตอบแบบสอบถาม

การนำเสนอคำตอบสำหรับคำถามค้นหาคำตอบ

หน้าผลการค้นหาอาจมีผลการค้นหาเว็บและกล่องคำตอบ

ฉันเขียนเพิ่มเติมเกี่ยวกับกล่องคำตอบในโพสต์ว่า Google อาจเรียกใช้กล่องคำตอบสำหรับข้อความค้นหาได้อย่างไร

ผลการค้นหาเว็บสามารถให้ลิงก์ไปยังเอกสารจากดัชนีเว็บของ Google

เป็นผลลัพธ์ที่ถือว่าน่าจะเกี่ยวข้องกับข้อความค้นหาที่ถามและมีชื่อเรื่อง ตัวอย่าง และลิงก์ที่แสดง

ข้อมูลเหล่านี้สามารถดูได้ในผลการค้นหาเพื่อให้ผู้ค้นหาทราบถึงความเกี่ยวข้องของลิงก์เฉพาะที่อาจเกี่ยวข้องกับข้อความค้นหาที่พวกเขาดำเนินการ และพวกเขาจะเปิดใช้งานผู้ค้นหาเพื่อเข้าชมหน้าที่มาจาก

กล่องคำตอบสามารถรวมคำตอบของแบบสอบถามได้โดยตรง คำตอบนั้นมักจะได้มาจากข้อความของเอกสารที่อ้างอิงในผลการค้นหาเว็บ

ฉันเขียนเกี่ยวกับคำตอบดังกล่าวในโพสต์ ตัวอย่างแนะนำ – ผลการค้นหาภาษาธรรมชาติสำหรับข้อความค้นหาเจตนา สิ่งเหล่านี้น่าจะมาจากเอกสารที่เชื่อถือได้ซึ่งน่าจะมาจากหน้าแรกของชุดผลการค้นหา

Google ได้แสดงผลลัพธ์ของกล่องคำตอบเหล่านี้เหนือผลลัพธ์ทั่วไปในการตอบสนองต่อข้อความค้นหาและแสดงหน้านั้นเป็นครั้งที่สองใน SERP แต่พวกเขาก็ตัดสินใจที่จะปฏิบัติต่อคำตอบดังกล่าวเป็นผลลัพธ์เดียวเมื่อเร็ว ๆ นี้ตามที่อธิบายไว้ใน The Search Engine Journal ใน Google: หน้าเว็บที่มี ตัวอย่างข้อมูลแนะนำจะไม่ปรากฏสองครั้งในหน้า 1

สิทธิบัตรนี้บอกเราว่า Google อาจ "ให้กล่องคำตอบเมื่อใดก็ตามที่ระบบตัดสินใจว่าคำถามนั้นเป็นคำถามค้นหาคำตอบ"

มีวิธีต่างๆ สองสามวิธีที่ Google อาจถือว่าข้อความค้นหาเป็นคำค้นหาที่ค้นหาคำตอบ โดยพิจารณาจากการใช้คำที่ตรงกับคำถามประเภทใดประเภทหนึ่ง

คำถามเหล่านี้อาจเปิดกล่องคำตอบโดยใส่คำของคำถาม เช่น "อย่างไร" "ทำไม" เป็นต้น

สิทธิบัตรนี้บอกเราว่าข้อกำหนดของคำถามเหล่านั้นไม่จำเป็นตลอดเวลา และสามารถแสดงกล่องคำตอบได้แม้ว่าข้อความค้นหาจะไม่ถูกวลีเป็นคำถามและไม่มีคำของคำถาม

แต่เมื่อมีคำถามเช่น "วิธีทำมันฝรั่ง" หรือ “วิธีทำเฟรนช์ฟรายส์” หรือ “วิธีทำมันบด” มีแนวโน้มจะมองหากล่องคำตอบ

แต่ไม่จำเป็นต้องมีเงื่อนไขคำถามและคำถามจริงเพื่อเรียกกล่องคำตอบ Google อาจพิจารณาคำค้นหาและตัดสินใจว่าจะตอบคำถามตามประเภทคำตอบได้ดีที่สุดหรือไม่:

แต่คำตอบในกล่องคำตอบจะถูกระบุเป็นคำตอบที่ดี เนื่องจากระบบการค้นหาได้กำหนดว่าประเภทคำถามที่ตรงกับข้อความค้นหามักเกี่ยวข้องกับประเภทคำตอบที่ตรงกับข้อความในเอกสารที่อ้างอิงโดยผลการค้นหา

เครื่องมือให้คะแนนคำตอบ

เมื่อมีคนทำการค้นหา แบบสอบถามของพวกเขาส่งผลให้มีการส่งคืนเอกสารเพื่อตอบกลับแบบสอบถามนั้น

เอ็นจินการให้คะแนนคำตอบจะได้รับรหัสเอกสารและอาจสร้างคำตอบที่อาจรวมอยู่ในหน้าผลการค้นหา

รหัสเอกสารเหล่านี้จะระบุชุดย่อยของเอกสารที่อ้างอิงโดยผลการค้นหา

เอ็นจินการให้คะแนนคำตอบอาจสร้างคำตอบโดยใช้คู่ประเภทคำถาม/คำตอบที่ได้รับจากกลไกการฝึก (อาจเป็นคำถามและคำตอบที่แสดงในกล่องคำตอบ)

เอ็นจินการให้คะแนนคำตอบสามารถระบุประเภทของคำถามที่ตรงกับเงื่อนไขของคิวรีสำหรับคิวรีได้หนึ่งประเภทขึ้นไป และสำหรับคำถามแต่ละประเภท จะมีประเภทคำตอบอย่างน้อยหนึ่งประเภทที่เกี่ยวข้องกับองค์ประกอบคำถาม

คำถามแต่ละประเภทจะระบุองค์ประกอบคำถามตั้งแต่หนึ่งรายการขึ้นไปซึ่งเป็นคุณลักษณะของคำถามค้นหาคำตอบ

ในทำนองเดียวกัน คำตอบแต่ละประเภทจะระบุองค์ประกอบคำตอบตั้งแต่หนึ่งองค์ประกอบขึ้นไปซึ่งเป็นคุณลักษณะของคำตอบสำหรับคำถามค้นหาคำตอบ

ประเภทคำถามและประเภทคำตอบจะอธิบายรายละเอียดเพิ่มเติมด้านล่างเกี่ยวกับรูปที่ 3.

เอ็นจิ้นการฝึกอบรมระบุคู่ของประเภทคำถามและประเภทคำตอบ

กลไกการฝึกอบรมจะประมวลผลตัวอย่างการฝึกอบรมในชุดข้อมูลการฝึกอบรม ซึ่งอาจรวมถึงคู่ของคำถามและคำตอบสำหรับคำถาม

คำถามและคำตอบอาจถูกเลือกเพื่อตอบคำถาม เช่นคำถามต่อไปนี้เกี่ยวกับวิธีการเปลี่ยนยาง:

Google ได้ให้ข้อมูลเกี่ยวกับคำถามบางประเภท เช่น คำถามแสดงวิธีการ ซึ่งฉันเขียนรายละเอียดเพิ่มเติมเมื่อเร็วๆ นี้ในโพสต์ วิธีที่ Google อาจเลือกคำตอบสำหรับคำถามเกี่ยวกับวิธีดำเนินการ

สิทธิบัตรที่ฉันเขียนในโพสต์นั้นเน้นที่การพยายามค้นหาความมั่นใจในขั้นตอนที่อาจตอบคำถามดังกล่าว มากกว่าขั้นตอนที่เกี่ยวกับการตัดสินใจว่าคำถามนั้นเป็นคำถามค้นหาคำตอบหรือไม่ และคำตอบนั้นให้คำตอบที่ดีหรือไม่ กับแบบสอบถามนั้น

การสร้างองค์ประกอบคำถาม/คู่องค์ประกอบคำตอบ

ระบบค้นหานี้จะประมวลผลคู่คำถาม/คำตอบในข้อมูลการฝึกอบรมเพื่อกำหนดประเภทคำถามและประเภทคำตอบที่เกี่ยวข้อง

โดยจะคำนวณสถิติที่แสดงว่าคู่ประเภทคำถาม/ประเภทคำตอบใดมีแนวโน้มที่จะสร้างคำตอบที่ดีสำหรับการค้นหาคำตอบ

ความมุ่งมั่นนั้นเกิดขึ้นบนระบบคอมพิวเตอร์ที่เรียกว่าเครื่องมือฝึกหัด

เริ่มต้นด้วยการระบุข้อมูลการฝึกอบรม

ข้อมูลการฝึกอบรมคือข้อมูลที่เชื่อมโยงคำถามกับคำตอบ เช่น คู่คำถามและคำตอบ

ข้อมูลการฝึกอบรมอาจรวมถึงคำค้นหาที่กำหนดให้เป็นการแสวงหาคำตอบและตัวอย่างผลการค้นหาที่ผู้ค้นหาเลือก ไม่ว่าจะโดยทั่วไปหรือเลือกบ่อยกว่าผลการค้นหาอื่นๆ

ในข้อมูลการฝึกอบรมนี้ ระบบอาจกรองคำและวลีบางประเภทออกจากคำถาม เช่น คำหยุด

ดังนั้น อาจกรอง "วิธีทำลาซานญ่า" เพื่อสร้าง "วิธีทำลาซานญ่า"

บางส่วนอาจถูกลบออกจากคำถาม เช่น คำคุณศัพท์และวลีบุพบทจะถูกลบออกจากข้อความค้นหา

ดังนั้นคำถามเช่น "หลอดอาหารอยู่ที่ไหนในร่างกายมนุษย์" อาจถูกกรองเพื่อสร้าง "หลอดอาหารอยู่ที่ไหน"

ระบบยังสามารถแปลงเงื่อนไขในคำถามและคำตอบให้อยู่ในรูปแบบบัญญัติได้

ซึ่งหมายความว่ารูปแบบที่ผันแปรของคำว่า "ทำอาหาร" เช่น "ทำอาหาร" "ปรุงแล้ว" "ทำอาหาร" และอื่นๆ อาจเปลี่ยนเป็นรูปแบบบัญญัติว่า "ทำอาหาร"

ประเภทของคำถามอาจกำหนดจากองค์ประกอบของคำถามในข้อมูลการฝึกอบรม

ประเภทคำถามคือกลุ่มขององค์ประกอบของคำถามที่นำมารวมกันแสดงถึงลักษณะของข้อความค้นหาที่ต้องการคำตอบ

ประเภทคำถาม (อย่างไร ทำอาหาร) ระบุองค์ประกอบคำถามสองข้อคือ "อย่างไร" และ "ทำอาหาร"

แบบสอบถามตรงกับคำถามประเภทนี้เมื่อมีคำที่ตรงกับองค์ประกอบของคำถามทั้งหมดในประเภทคำถาม

ข้อความค้นหา "วิธีทำพิซซ่า" ตรงกับประเภทคำถาม (วิธีการปรุง) เนื่องจากข้อความค้นหามีองค์ประกอบคำถามทั้งหมดของประเภทคำถาม

สิทธิบัตรบอกเราว่าประเภทคำถามสามารถสั่งซื้อหรือเรียงลำดับได้ (ดูเหมือนว่าจะเป็นการบ่งชี้ว่าข้อความค้นหาเป็นแบบสอบถาม "วิธีการ" ที่แสดงขั้นตอนเฉพาะที่ต้องปฏิบัติตามในลำดับที่แน่นอนหรือไม่)

สิทธิบัตรใช้วงเล็บปีกกาเพื่อระบุว่าแบบสอบถามใช้โครงสร้างที่ได้รับคำสั่งหรือไม่

ดังนั้น แบบสอบถามจะตรงกับประเภทคำถาม {how, cook} ต่อเมื่อคำว่า "how" เกิดขึ้นในแบบสอบถามก่อนคำว่า "cook"

คำถามและคำตอบจะจับคู่กันโดยดูจากคำถามแต่ละข้อ ซึ่งเงื่อนไขของคำถามตรงกับชุดของประเภทองค์ประกอบของคำถาม

องค์ประกอบของคำถามแต่ละประเภทแสดงถึงลักษณะของ n-gram ที่เกิดขึ้นในคำถาม

ประเภทองค์ประกอบคำถามทั่วไป

สิทธิบัตรมีองค์ประกอบคำถามทั่วไปบางประเภทซึ่งรวมถึง:

อินสแตนซ์ของเอนทิตี – ประเภทอินสแตนซ์ของเอนทิตีตรงกับ n-gram ที่แสดงถึงอินสแตนซ์ของเอนทิตี ตัวอย่างเช่น n-gram “Abraham Lincoln” ตรงกับประเภทองค์ประกอบคำถาม เนื่องจาก n-gram นี้เป็นอินสแตนซ์ของเอนทิตี เมื่อ n-gram ตรงกับประเภทองค์ประกอบของคำถามนี้ ประเภทของคำถามที่เป็นผลลัพธ์จะมีองค์ประกอบคำถามที่แสดงถึงอินสแตนซ์เอนทิตีของ n-gram เช่น (entity/Abraham_Lincoln) n-gram อื่นๆ ที่ตรงกับนามแฝงของเอนทิตีเดียวกันจะตรงกับองค์ประกอบของคำถามนี้ด้วย เช่น "Abe Lincoln" "President Lincoln" และ "Honest Abe"

คลาสเอนทิตี – ประเภทคลาสเอนทิตีตรงกับ n-gram ที่แสดงอินสแตนซ์ของคลาสเอนทิตี ตัวอย่างเช่น "ลาซานญ่า" n-gram ตรงกับประเภทองค์ประกอบคำถามนี้เนื่องจากเป็นอินสแตนซ์ของคลาสเอนทิตีที่เป็นตัวแทนของอาหารจาน เมื่อ n-gram ตรงกับประเภทองค์ประกอบของคำถามนี้ ประเภทของคำถามที่เป็นผลลัพธ์จะมีองค์ประกอบคำถามที่แสดงถึงคลาสเอนทิตี เช่น (entity/dishes)

ส่วนของคลาสคำพูด – ประเภทของคลาส ส่วนของคำพูดจะจับคู่กับ n-gram ที่แสดงถึงอินสแตนซ์ของคลาส part-of-speech ตัวอย่างเช่น "run" ของ n-gram ตรงกับประเภทองค์ประกอบคำถามนี้เนื่องจากเป็นตัวอย่างของ "verbs" ของคลาสคำพูด เมื่อ n-gram ตรงกับประเภทองค์ประกอบของคำถามนี้ ประเภทของคำถามที่เป็นผลลัพธ์จะรวมองค์ประกอบคำถามที่เป็นตัวแทนของคลาส part-of-speech ที่ตรงกัน เช่น (part-of-speech/verb)

คำ ราก – ประเภทของคำรากตรงกับ n-gram ที่ระบบกำหนดให้เป็นคำรากของคำถาม โดยทั่วไป คำรากศัพท์คือคำที่ไม่ขึ้นกับคำอื่นๆ ในคำถาม ตัวอย่างเช่น ใน “วิธีทำลาซานญ่า” คำว่า “ทำอาหาร” คือคำรากศัพท์ ดังนั้น "พ่อครัว" จะจับคู่ประเภทองค์ประกอบของคำถามนี้เมื่อ "ทำอาหาร" เกิดขึ้นในแบบสอบถาม "วิธีทำลาซานญ่า" ประเภทของคำถามที่ได้รวมถึง n-gram ที่ตรงกัน เช่น (ทำอาหาร)

N-gram –ประเภท n-gram ตรงกับ n-gram ใด ๆ อย่างไรก็ตาม สิทธิบัตรบอกเราว่าเพื่อหลีกเลี่ยงการสร้างคำถามจำนวนมากเกินไปจากข้อมูลการฝึกอบรม ระบบสามารถจำกัดองค์ประกอบของคำถาม n-gram ให้อยู่ในชุดของ n-gram ที่กำหนดไว้ล่วงหน้า

ระบบการค้นหาอาจกำหนดองค์ประกอบคำถาม n-gram ไว้ล่วงหน้าเพื่อรวมคำและวลีของคำถาม เช่น "อย่างไร" "ทำอย่างไร" "เมื่อไร" "เมื่อไร" "ทำไม" "ที่ไหน" "อะไร" “ใคร” และ “ใคร”

ประเภทองค์ประกอบคำถามเหล่านี้อาจปรากฏขึ้นมากกว่าหนึ่งประเภท

ดังนั้น n-gram “George Washington” จะจับคู่ทั้งประเภทอินสแตนซ์ของเอนทิตี ส่งผลให้เอนทิตีองค์ประกอบคำถาม/George_Washington รวมถึงประเภทคลาสเอนทิตี ส่งผลให้เกิดเอนทิตีองค์ประกอบคำถาม/us_presidents
n-gram “George Washington” อาจตรงกับประเภท n-gram ขึ้นอยู่กับว่าระบบจำกัดจำนวนประเภท n-gram อย่างไร

นอกจากนี้ คำว่า "ทำอาหาร" ยังตรงกับประเภทคำรูท ประเภทอินสแตนซ์เอนทิตี และประเภทคลาสเอนทิตี

ตัวอย่างการขยายคำถามและประเภทคำตอบ

หลังจากที่ระบบนี้ระบุประเภทองค์ประกอบของคำถามที่ตรงกัน จากนั้นระบบจะสามารถสร้างประเภทคำถามได้โดยการสร้างองค์ประกอบคำถามที่มีความยาวต่างกันและระดับความทั่วไปหลายระดับ

ซึ่งจะช่วยให้ค้นพบประเภทคำถามที่ให้ความสมดุลที่ดีระหว่างลักษณะทั่วไปและความเฉพาะเจาะจง

ตัวอย่างเช่น “วิธีทำลาซานญ่า”

คำแรก "อย่างไร" ตรงกับประเภทองค์ประกอบ n-gram เท่านั้น

แต่ "ทำอาหาร" จะจับคู่กับประเภทองค์ประกอบ n-gram, ประเภทองค์ประกอบคำราก และประเภทองค์ประกอบคลาสเอนทิตีสำหรับ "งานอดิเรก" ของชั้นเรียน

ดังนั้น ระบบสามารถสร้างคำถามแบบสององค์ประกอบต่อไปนี้โดยการเลือกชุดค่าผสมต่างๆ ขององค์ประกอบคำถามที่ตรงกัน:

(วิธีการปรุงอาหาร)

(อย่างไร ตัวตน/งานอดิเรก)

คำว่า "ลาซานญ่า" ตรงกับประเภทองค์ประกอบ n-gram และประเภทองค์ประกอบระดับเอนทิตี "จาน" ดังนั้น ระบบสามารถสร้างคำถามประเภทสามองค์ประกอบต่อไปนี้โดยการเลือกการรวมกันขององค์ประกอบคำถามที่ตรงกัน:

(วิธีทำ, ลาซานญ่า)

(วิธี, ทำอาหาร, เอนทิตี/อาหาร)

(อย่างไร ตัวตน/งานอดิเรก ตัวตน/อาหาร)

(อย่างไร ตัวตน/งานอดิเรก ลาซานญ่า)

การเลือกประเภทองค์ประกอบคำตอบ

สิทธิบัตรกำหนด "ประเภทคำตอบ" เป็นกลุ่มขององค์ประกอบคำตอบที่แสดงลักษณะของคำตอบที่ถูกต้องสำหรับคำถามที่ต้องการคำตอบโดยรวม

แนวทางการค้นหาคำตอบนี้อาจสร้างประเภทคำตอบโดยการประมวลผลคำตอบเหล่านั้นในข้อมูลการฝึกอบรมและตัดสินใจสำหรับแต่ละคำตอบ ซึ่งเงื่อนไขของคำตอบตรงกับชุดของประเภทองค์ประกอบของคำตอบ

ระบบการค้นหาอาจสร้างประเภทคำตอบโดยการค้นหาองค์ประกอบคำตอบที่ตรงกับประเภทองค์ประกอบคำตอบ

ประเภทองค์ประกอบคำตอบทั่วไปบางประเภท และองค์ประกอบคำตอบที่เกี่ยวข้อง ได้แก่:

การวัด – ประเภทการวัดอาจตรงกับเงื่อนไขที่แสดงการวัดเชิงตัวเลข สิ่งเหล่านี้อาจรวมถึง:

• วันที่ เช่น “1997” “ก.พ. 2 พ.ศ. 2540” หรือ “2/19/1997”
• การวัดทางกายภาพ เช่น “1.85 ซม.” “12 นิ้ว”
• ระยะเวลา “10 นาที” “1 ชั่วโมง”
• การวัดตัวเลขที่เหมาะสมอื่น ๆ

N-gram – ประเภท n-gram ตรงกับ n-gram ใด ๆ ในคำตอบ เพื่อหลีกเลี่ยงการสร้างประเภทคำตอบที่มากเกินไป ระบบอาจจำกัดองค์ประกอบคำตอบ n-gram ไว้ที่ n-gram ที่ต่ำกว่าค่าที่กำหนดของ n และนั่นไม่ใช่เรื่องปกติ ตัวอย่างเช่น ระบบสามารถจำกัดองค์ประกอบคำตอบ n-gram ไว้ที่ 1 กรัมและ 2 กรัมที่มีคะแนนความถี่ของเอกสารผกผันที่ตรงตามเกณฑ์

กริยา – ประเภทของกริยาตรงกับคำใดๆ ที่ระบบกำหนดให้เป็นกริยา

คำบุพบท –ประเภทคำบุพบทตรงกับคำใดๆ ที่ระบบกำหนดให้เป็นคำบุพบท

เราได้รับแจ้งว่าระบบสามารถกำหนดประเภทองค์ประกอบคำตอบสำหรับส่วนของคำพูดได้

แต่ในการใช้งานบางอย่าง ระบบอาจใช้เฉพาะประเภทกริยาและคำบุพบทเท่านั้น

Entity_instance – ประเภทอินสแตนซ์ของเอนทิตีตรงกับ n-gram ที่แสดงถึงอินสแตนซ์ของเอนทิตี

ประเภทคำตอบอาจรวมถึงองค์ประกอบคำตอบที่แสดงถึงอินสแตนซ์ของเอนทิตี เช่น (entity/Abraham_Lincoln)

N-gram ใกล้เอนทิตี – ประเภท n-gram-near-entity ใช้ทั้งประเภทองค์ประกอบคำตอบ n-gram และประเภทองค์ประกอบคำตอบของอินสแตนซ์เอนทิตี และยังกำหนดข้อจำกัดที่ n-gram เกิดขึ้นใกล้กับอินสแตนซ์ของเอนทิตีในคำตอบ ระบบสามารถพิจารณาว่า n-gram อยู่ใกล้กับอินสแตนซ์ของเอนทิตีเมื่อ n-gram:

• เกิดขึ้นในคำตอบภายในจำนวนเกณฑ์ของเงื่อนไขของอินสแตนซ์ของเอนทิตี
• เกิดขึ้นในประโยคเดียวกับเอนทิตีอินสแตนซ์
• เกิดขึ้นในข้อความเดียวกันกับอินสแตนซ์ของเอนทิตี

ตัวอย่างเช่น ในคำตอบ "โอบามาเกิดในโฮโนลูลู" n-gram ที่ไม่ธรรมดา "โฮโนลูลู" เกิดขึ้นภายในห้าเงื่อนไขของอินสแตนซ์เอนทิตี "โอบามา ประเภทคำตอบที่เป็นผลลัพธ์รวมถึง n-gram และอินสแตนซ์ของเอนทิตี เช่น (entity/Obama ใกล้โฮโนลูลู)

กริยาใกล้เอนทิตี – ประเภทกริยาใกล้เอนทิตีใช้ทั้งประเภทองค์ประกอบคำตอบกริยาและประเภทองค์ประกอบคำตอบของอินสแตนซ์เอนทิตีและในทำนองเดียวกันกำหนดข้อ จำกัด ที่กริยาเกิดขึ้นใกล้กับอินสแตนซ์ของเอนทิตีในคำตอบ ตัวอย่างเช่น สำหรับ "Obama เกิดในโฮโนลูลู" ประเภทคำตอบที่เป็นผลลัพธ์สามารถรวมองค์ประกอบคำตอบ (เอนทิตี/Obama ใกล้เกิด)

คำบุพบทใกล้เอนทิตี – ประเภทบุพบทใกล้เอนทิตีใช้ทั้งประเภทองค์ประกอบคำตอบบุพบทและประเภทองค์ประกอบคำตอบอินสแตนซ์ของเอนทิตี และในทำนองเดียวกันกำหนดข้อจำกัดที่คำบุพบทเกิดขึ้นใกล้กับอินสแตนซ์ของเอนทิตีในคำตอบ ตัวอย่างเช่น สำหรับ "โอบามาเกิดในโฮโนลูลู" ประเภทคำตอบที่เป็นผลลัพธ์อาจรวมองค์ประกอบคำตอบ (เอนทิตี/โอบามาอยู่ใกล้ๆ)

คลาสกริยา – ประเภทคลาสกริยาตรงกับ n-gram ที่แสดงถึงอินสแตนซ์ของคลาสกริยา ตัวอย่างเช่น ระบบสามารถระบุกริยาต่อไปนี้ทั้งหมดเป็นตัวอย่างกริยา/blend ของคลาส: add, Blend, combine, commingle, connect, ครีม, ฟิวส์, เข้าร่วม, เชื่อมโยง, ผสาน, ผสมผสาน, มิกซ์, เครือข่าย, พูล ประเภทของคำตอบที่ได้จะมีองค์ประกอบคำถามที่แสดงถึงคลาสกริยา เช่น (verb/blend)

ข้ามกรัม –ประเภทข้ามกรัมระบุบิ๊กแรม เช่นเดียวกับจำนวนเงื่อนไข เกิดขึ้นระหว่างเงื่อนไขของบิ๊กแรม ตัวอย่างเช่น ถ้าค่าข้ามคือ 1 ค่าข้ามคือ "where * the" จะจับคู่ n-grams ต่อไปนี้ทั้งหมด: "where is the" "where was the" "where does the" และ "where has ที่” ประเภทคำตอบที่เป็นผลลัพธ์ประกอบด้วยองค์ประกอบคำตอบที่แสดงถึง bigram และค่าการข้าม เช่น (โดยที่ * the) โดยที่ดอกจันเดียวแทนค่าการข้ามเป็น 1

ระบบจะคำนวณสำหรับคู่ประเภทคำถาม/ประเภทคำตอบ

คะแนนคำถามและคำตอบคู่

สิทธิบัตรบอกเราว่าระบบจะคำนวณคะแนนสำหรับคู่คำถาม/ประเภทคำตอบแต่ละคู่

คะแนนนี้อิงจาก "คุณภาพการทำนายของคู่ประเภทคำถาม/คำตอบเฉพาะ ซึ่งสะท้อนจากข้อมูลการฝึกอบรม"

คู่ประเภทคำถาม/ประเภทคำตอบที่มีคะแนนดีมีแนวโน้มที่จะมีประเภทคำตอบที่มีองค์ประกอบคำตอบอย่างน้อยหนึ่งองค์ประกอบที่แสดงถึงลักษณะของคำตอบที่ถูกต้องสำหรับคำถามค้นหาคำตอบที่แสดงโดยประเภทคำถาม

โดยทั่วไป ระบบจะรอจนกว่าจะมีการคำนวณจำนวนทั้งหมดก่อนที่จะคำนวณคะแนนสำหรับคู่ประเภทคำถาม/คำตอบเฉพาะ

ในการใช้งานบางอย่าง ระบบจะคำนวณคะแนนข้อมูลร่วมกันแบบจุด (PMI) สำหรับแต่ละคู่ คะแนน PMI เป็นศูนย์แสดงว่าคำถามและคำตอบเป็นอิสระและไม่มีความสัมพันธ์กัน ในทางกลับกัน คะแนนที่สูงแสดงถึงความเป็นไปได้ที่สูงขึ้นในการค้นหาประเภทคำตอบที่ตรงกับคำตอบของคำถามที่ตรงกับประเภทคำถามที่เกี่ยวข้อง

ระบบจะเลือกประเภทคำถาม/ประเภทคำตอบที่มีคะแนนดีที่สุด อาจมีการจัดอันดับและสามารถเลือกคู่ที่มีคะแนนที่ตรงตามเกณฑ์

ประเภทคำตอบของคู่ที่เลือกมักจะแสดงคำตอบที่ถูกต้องสำหรับคำถามค้นหาคำตอบที่แสดงโดยประเภทคำถามที่เกี่ยวข้อง

ระบบค้นหาคำตอบนี้อาจสร้างดัชนีคู่ประเภทคำถาม/ประเภทคำตอบที่เลือกตามประเภทคำถาม เพื่อให้ระบบสามารถรับคำตอบทุกประเภทที่เกี่ยวข้องกับคำถามบางประเภทในระหว่างการให้คะแนนออนไลน์ได้อย่างมีประสิทธิภาพ

อาจจัดเรียงดัชนีประเภทคำถามตามคะแนนเพื่อตัดสินใจแบบเรียลไทม์ว่าควรลองตอบคำถามกี่ประเภท

ระบบนี้อาจจัดเรียงคำตอบแต่ละประเภทที่เกี่ยวข้องกับประเภทคำถามตามคะแนน เพื่อให้สามารถประมวลผลประเภทคำตอบที่มีคะแนนสูงสุดได้ก่อนในเวลาสอบถาม

กระบวนการสร้างคำตอบสำหรับคำถามค้นหาคำตอบ

สิทธิบัตรนี้เตือนฉันถึงสิทธิบัตรอีกฉบับหนึ่งที่ฉันเคยเขียนเกี่ยวกับการตอบคำถามในอดีต สิทธิบัตรนั้นเป็นสิ่งที่ฉันเขียนถึงในโพสต์ Google ใช้สคีมาเพื่อเขียนคำตอบสำหรับตัวอย่างข้อมูลเด่นหรือไม่

โพสต์นั้นบอกเราเกี่ยวกับวิธีที่ Google อาจเลือกระหว่างคำตอบที่เป็นข้อความที่เขียนได้ดีสำหรับคำถามที่ยังมีข้อมูลที่มีโครงสร้างที่เกี่ยวข้องเพื่อให้ข้อเท็จจริงเพิ่มเติมสำหรับคำตอบเหล่านั้น แต่ไม่ได้ให้การวิเคราะห์ว่าสิทธิบัตรนี้ทำโดยดูจากองค์ประกอบของคำตอบ การค้นหาคำถามและองค์ประกอบของคำตอบเหล่านั้น

คำอธิบายในสิทธิบัตรนี้จบลงด้วยการให้รายละเอียดเพิ่มเติมเกี่ยวกับวิธีการสร้างคำตอบสำหรับคำถามที่ต้องการคำตอบโดยเฉพาะ

เริ่มต้นด้วยการรับข้อความค้นหาและได้ผลลัพธ์การค้นหา

จากนั้นกำหนดประเภทคำถามที่ตรงกับแบบสอบถาม

หากการสืบค้นไม่ตรงกับประเภทคำถามที่สร้างขึ้น ระบบสามารถระบุได้ว่าข้อความค้นหานั้นไม่ใช่แบบสอบถามที่ค้นหาคำตอบ

ถ้าใช่ จะตอบกลับโดยไม่มีกล่องคำตอบ โดยแสดงหน้าผลการค้นหาโดยไม่มีคำตอบ

ประเภทของคำถามค้นหาคำตอบถูกกำหนดโดยองค์ประกอบของประเภทคำถามที่ตรงกัน ระบบค้นหาอาจตัดสินใจเลือกข้อความที่น่าจะเป็นคำตอบที่ดีสำหรับคำค้นหาที่ต้องการคำตอบ

เมื่อต้องการทำเช่นนี้ อาจเข้าถึงดัชนีประเภทคำถามที่เชื่อมโยงแต่ละประเภทคำถามที่ตรงกับประเภทคำตอบอย่างน้อยหนึ่งประเภท

ระบบการค้นหาอาจคำนวณคะแนนสำหรับคำตอบตามประเภทคำตอบที่ได้รับจากการค้นหา

ระบบการค้นหาอาจกำหนดว่าคะแนนของคำตอบที่มีคะแนนสูงสุดตรงตามเกณฑ์หรือไม่ หากคะแนนไม่เป็นไปตามเกณฑ์ ระบบจะตัดสินได้ว่าคำตอบนั้นไม่ใช่คำตอบที่ดีสำหรับคำถาม และสามารถปฏิเสธที่จะแสดงคำตอบนั้นในหน้าผลการค้นหาได้

หากคะแนนเป็นไปตามเกณฑ์ ระบบการค้นหาอาจรวมคำตอบที่มีคะแนนสูงสุดไว้ในหน้าผลการค้นหา และจัดเตรียมหน้าผลการค้นหาเพื่อตอบสนองต่อข้อความค้นหา

ประเด็นสุดท้ายในการค้นหาคำตอบสำหรับคำถาม

สิทธิบัตรนี้ให้รายละเอียดเพิ่มเติมบางประการเกี่ยวกับการทำงานของกระบวนการที่อธิบายไว้ในสิทธิบัตรนี้ และระบุว่าอาจเกี่ยวข้องกับขั้นตอนอื่นๆ ที่ไม่จำเป็นต้องครอบคลุม

ฉันได้ชี้ไปที่สิทธิบัตรอื่นอย่างน้อยหนึ่งฉบับ (หนึ่งฉบับเกี่ยวกับวิธีการสอบถาม) ที่อธิบายแง่มุมเพิ่มเติมของวิธีการเลือกคำตอบที่ไม่มีรายละเอียดในสิทธิบัตรนี้เช่นกัน

ดังนั้นจึงเหมาะสมที่จะพิจารณาสิทธิบัตรอื่นๆ ที่ครอบคลุมแง่มุมเพิ่มเติมของการตอบคำถามที่เน้นการแสวงหาคำตอบโดยเฉพาะ เช่นเดียวกับที่ฉันเชื่อมโยงไว้ข้างต้นเกี่ยวกับคำตอบในภาษาธรรมชาติและการตอบคำถามโดยใช้ข้อความคำตอบ

ฉันยังเขียนเกี่ยวกับวิธีที่ Google อาจสร้างกราฟความรู้ในการตอบคำถาม และพิจารณาคะแนนการเชื่อมโยงระหว่างเอนทิตีและการจัดประเภทและแอตทริบิวต์ของเอนทิตีเหล่านั้นเพื่อตอบคำถามในโพสต์ การตอบคำถามโดยใช้กราฟความรู้

เราไม่มีคำแนะนำที่ชัดเจนว่าแนวทางในสิทธิบัตรต่างๆ ที่เกี่ยวข้องกับโพสต์เหล่านั้นอาจเข้ากันได้อย่างไร แต่โปรดทราบว่าสิ่งเหล่านี้มีอยู่จริงและควรพิจารณาในการพิจารณาว่าทุกอย่างเข้ากันได้ดีเพียงใดเมื่อ Google อาจตอบสนองต่อคำถามค้นหาคำตอบ มีประโยชน์.