Блог Яндекса Голосов: 7 Адрес блога: http://company.yandex.ru/blog/ Добавлен: 2007-12-13 21:24:18 блограйдером Luber

Как это работает? Объектный ответ в поиске

2015-08-03 16:08:28 (читать в оригинале)

Довольно часто люди приходят в интернет за быстрой справкой. Что такое [палимпсест]? [когда жил иван грозный]? [что снял вернер херцог], про которого я только что соврал, что, конечно же, смотрел его фильмы? В таких случаях Яндекс старается сократить путь пользователя до нужной информации — прямо на странице результатов поиска, справа от основной выдачи, появляется карточка с общей информацией о предмете запроса. Она называется «объектный ответ».


Показывать карточки с основными фактами об объектах на странице выдачи Яндекс начал в апреле 2015 года. На тот момент в базе объектных ответов были описания 92 миллионов известных личностей, фильмов, музыкальных альбомов, городов, лекарств, автомобилей и других сущностей. Сейчас их уже 110 млн — и это число стабильно растёт.

Помимо основных фактов, карточка объектного ответа содержит дополнительную информацию. Какую именно — зависит от типа этого предмета. Скажем, на карточке фильма довольно много фактов — по запросу [терминатор] Яндекс сообщит пользователю год выхода, жанр, режиссёра, продюсера, автора музыки и длительность первого «Терминатора», вкратце опишет сюжет, покажет рейтинг на КиноПоиске и предложит посмотреть трейлер. Объектный ответ по запросу [рига] будет состоять из общего описания города и информации о площади, населении и дате возникновения, а по запросу [снусмумрик] — из портрета персонажа и информации о том, из какого он произведения.

Кроме общей информации объектный ответ содержит дополнительные блоки. Один из них непосредственно относится к объекту запроса. Для запросов о кино Яндекс покажет блок «Актёры», о писателях — «Книги», о городах — «Достопримечательности» и так далее. Во второй блок попадают другие популярные объекты из той же категории — скажем, для Риги это прибалтийские города, а для Снусмумрика — персонажи детских книг.

В дальнейшем объектный ответ станет полнее. Например, туда может переехать часть колдунщиков, которые сейчас появляются среди результатов поиска по интернету. В первую очередь — плееры Музыки и Видео, чтобы в ответ на запрос [нирвана] пользователь получал карточку, содержащую — в дополнение к общей информации о группе — несколько популярных песен и клипов.

Карточки объектов формируются автоматически, с помощью семантического графа — модели, описывающей совокупность объектов, их свойств и связей между ними. Информация об объектах приходит из десятков источников. Например, факты о музыкантах берутся из Википедии, находятся на порталах discogs.com, musicbrainz.com и других специализированных сайтах с большими базами структурированных данных. Система оценивает степень совпадения информации, отсеивает дубли и противоречащие факты (например, разнящиеся годы жизни одного человека), а те, что дополняют друг друга, добавляет в карточку.

Список объектов в дополнительных блоках строится по похожей схеме. Только если в первом случае собираются и сопоставляются найденные в разных источниках факты об объектах, то для создания списка ассоциаций сопоставляются связи между этими объектами. Например, если в нескольких базах данных «Завтрак на траве» и «Олимпия» описаны как картины Эдуарда Мане, то, скорее всего, так оно и есть. А вот если в одной из них среди произведений Мане значатся «Кувшинки», но ни в одном другом источнике такая связь не встречается, то она может быть отсеяна как ошибочная. Это, впрочем, не значит, что редко встречающаяся связь автоматически отбраковывается. Среди прочих факторов система учитывает и авторитетность источника, поэтому в некоторых случаях в карточку попадают факты или связи, которые нашлись только на одном, но очень надёжном ресурсе.

Всего в базе объектных ответов несколько сотен миллионов связей. Поэтому просто составить список ассоциаций недостаточно. Нужно автоматически решить, какие из них показывать в карточке. Среди прочего, для этого используется метод машинного обучения Матрикснет, позволяющий учитывать множество факторов при анализе поведения пользователей. Например, Матрикснет может обратить внимание на то, что задав запрос [подсолнухи], люди часто не удовлетворяются результатами поиска и уточняют: [подсолнухи ван гог]. К тому же эти слова часто встречаются вместе в текстах — причём там же, как правило, упоминаются «Поль Гоген» и «Поль Сезанн». Учитывая эти и другие данные, система может сделать вывод, что связи между этими объектами представляют наибольший интерес для пользователей. Поэтому в блоках «Произведения» и «Смотрите также», сопровождающих карточку к запросу [ван гог], обязательно окажутся «Подсолнухи» и Гоген с Сезанном.

Наконец, на самом последнем этапе, когда карточка полностью готова, основанный на Матрикснете механизм решает, нужно ли её показывать, — может быть, пользователю совсем не интересна эта информация? Чтобы выяснить, соответствует ли карточка запросу, он сравнивает её с описаниями страниц в результатах поиска. Например, в ответ на запрос [getz] можно было бы показать информацию о саксофонисте Стене Гетце. Но, проанализировав результаты поиска, большинство из которых оказываются связаны с автомобилями, механизм ранжирования решит показать карточку машины.

О том, как устроены другие поисковые технологии Яндекса, вы можете прочитать в соответствующем разделе на сайте компании.

---

Умные часы, ваш выход

2015-07-31 10:00:58 (читать в оригинале)

Сегодня, 31 июля, в России начинаются продажи умных часов Apple Watch. Сразу после выхода на рынок в апреле 2015 года эти часы заняли сильную позицию в своём сегменте. По данным Strategy Analytics, во втором квартале 2015 года доля поставок Apple Watch на мировом рынке умных часов составила более 75%. Мы проанализировали данные Яндекс.Маркета, чтобы узнать, как обстоят дела в сегменте умных часов и браслетов в России накануне выхода Apple Watch и как ситуация изменилась за последний год.

Категория «Умные часы и браслеты» появилась на Яндекс.Маркете в июне 2014 года. Тогда в ней было всего 24 модели, а сейчас их уже почти 150. Эта динамика довольно ярко иллюстрирует быстрый рост всего сегмента. Увеличился и ассортимент, и количество продавцов: по сравнению с июнем 2014 года число магазинов, предлагающих умные часы и браслеты, выросло в 1,7 раза до 2000 с лишним.

Вместе с предложением вырос и спрос: количество переходов пользователей Яндекс.Маркета на сайты магазинов с умными часами и браслетами с июня 2014 года увеличилось в 2,7 раза. По данным на июнь 2015 года, интерес пользователей к умным часам и браслетам уже сопоставим с интересом, например, к электронным книгам.

Рынок умных часов быстро растёт и быстро меняется: некоторые модели устаревают, и им на смену приходят новые. Мы сравнили 10 самых популярных у пользователей Маркета моделей в июне 2014 и в июле 2015 года, и оказалось, что эти списки практически не совпадают.


Как видно из топа 2015 года, в преддверии выхода Apple Watch в России некоторые магазины на Яндекс.Маркете уже начали предлагать эти часы. Их высокая стоимость заметно повлияла на среднюю цену товара в категории: она выросла с 8 тысяч рублей в апреле до 11,3 тысячи в июле (учитывались товары, на которые пользователи переходили с Яндекс.Маркета в магазины).

Среди 150 моделей умных часов и браслетов на Яндекс.Маркете можно найти предложения на любой вкус: от простых фитнес-браслетов до часов-смартфонов с камерой и выходом в интернет. Если вы предпочитаете продукцию Apple и уже настроились на покупку Apple Watch — в App Store можно скачать приложения Яндекса для этих часов: Переводчик и Такси. В ближайшее время к ним добавится приложение Яндекс.Карты.

---

Яндекс и ЦЕРН объявляют конкурс для специалистов по большим данным

2015-07-21 14:27:43 (читать в оригинале)

Мы уже рассказывали о сотрудничестве Яндекса с Европейским центром ядерных исследований (ЦЕРН) и о том, как технологии обработки больших объёмов информации используются в науке. Сегодня Яндекс и ЦЕРН приглашают специалистов по анализу данных поучаствовать в конкурсе Flavour of Physics. Участникам конкурса предлагается написать алгоритм, способный обработать огромный массив данных — информацию о событиях эксперимента LHCb, который проводится на Большом адронном коллайдере (БАК). Это может помочь сделать новые открытия.

Одной из задач эксперимента LHCb является поиск явлений, которые не вписываются в Стандартную модель — современный свод представлений об элементарных частицах и их взаимодействиях. Пример такого явления — распад частицы под названием тау-лептон на три другие частицы: два мюона и один антимюон.

По Стандартной модели вероятность такого распада (его ещё называют распадом с нарушением лептонного аромата) ничтожно мала и составляет менее 10^-40. Однако другие теоретические модели допускают, что распад всё-таки происходит чаще — возможно, настолько чаще, что его можно заметить среди других событий, регистрируемых на БАК. Задача учёных — попробовать поймать распад среди миллиардов других распадов, которые каждую секунду происходят в кольце коллайдера.

Визуализация данных события, зарегистрированного детектором эксперимента LHCb. Изображение LHCb/CERN.

Здесь физикам могут помочь специалисты по обработке данных. Участникам конкурса Flavour of Physics предлагается написать алгоритм, который мог бы разделить все события эксперимента LHCb на «сигнал» (распад тау-лептона на три мюона) и «фон» (всё остальное). Для создания классификатора — программы, которая разделяет события — ЦЕРН предоставит участникам конкурса реальные данные, собранные в ходе эксперимента LHCb, и результаты моделирования распада (они позволят выявить закономерности в признаках события).

Конкурс алгоритмов будет проходить на ресурсе Kaggle.com. Это интернет-платформа для проведения состязаний по машинному обучению и анализу данных. Победители будут выбраны автоматически — с помощью метрики сравнения алгоритмов, которую совместно разработали ЦЕРН (LHCb), Школа анализа данных Яндекса и Yandex Data Factory — подразделение Яндекса по работе с большими данными. Конкурс Flavour of Physics стартовал 20 июля, а заявки на участие в нём можно подавать до 12 октября 2015 года.

Победитель, предложивший лучший алгоритм, получит приз в 7000 долларов. Призы за второе и третье место составят 5000 долларов и 3000 долларов соответственно. Другие участники, показавшие самые полезные с точки зрения физиков результаты,  смогут претендовать на специальную премию в размере 2000 долларов от компании Intel, а кроме того, получат приглашение на семинар в Цюрихе. Там они вместе с учёными, работающими на Большом адронном коллайдере, обсудят итоги конкурса и то, как их можно использовать для обнаружения редких распадов.

---

Как создавался новый дизайн Яндекс.Денег

2015-07-17 15:01:41 (читать в оригинале)

Яндекс.Деньги кардинально меняют внешний вид кошелька — страницы для авторизованных пользователей. Новый интерфейс будет включаться постепенно, но посмотреть на него можно уже сейчас по прямой ссылке.


Последний раз дизайн Яндекс.Денег менялся несколько лет назад. Он был рассчитан на электронный кошелёк, а к 2014 году Яндекс.Деньги превратились в большой и сложный сервис для платежей — и в интернете, и в офлайне. Стало понятно, что необходимо менять и внешний вид. Команда сервиса провела юзабилити-исследование, проанализировала статистику, чтобы выяснить, какие процессы необходимо перестроить. Первые результаты этой работы теперь можно увидеть на сервисе.

Одним из основных результатов переработки интерфейса стало представление кошелька в виде «платёжного таймлайна», где все платежи упорядочены в хронологической последовательности. Кроме того, на сервисе изменилась навигация, процедура регистрации стала проще, а для неавторизованных пользователей была создана специальная страница, демонстрирующая возможности Яндекс.Денег.

Подробнее об этом и о других изменениях на Яндекс.Деньгах читайте в рассказе главного дизайнера интерфейсов сервиса Дарьи Калинининой на Хабрахабре.

---

«Свадебные» запросы в поиске Яндекса

2015-07-16 13:31:54 (читать в оригинале)


На странице исследования «Как пользователи готовятся к свадьбе в интернете» смотрите также интерактивную картинку — она поможет выбрать свадебный стиль и цвет. Скажем, «золотой бохо» или «изумрудный шебби шик».