Яндекс рассказал о принципах формирования содержимого объектного ответа в поиске. Специалисты компании рассказали, что поисковая система Яндекс всячески старается сократить путь пользователя к нужной ему информации. Одним из «инструментов», созданных с этой целью, является объектный ответ. Он располагается в правом верхнем углу относительно поисковой выдачи. Объектный ответ представляет собой карточку, в которой отображается вся основная информация о предмете поиска. Кроме текстовых данных содержимое объектного ответа иногда включает в себя и графический контент (не обязательно). Этот поисковый инструмент появился в выдаче Яндекса в апреле текущего года. Сейчас в базе содержится около 110 миллионов скомпилированных «карточек» с информацией о крупных городах, известных исторических личностях, музыкальных альбомах, медицинских препаратах, автомобилях и других объектах поиска. Структура «карточки» объектного ответа зависит от типа предмета поиска. Например, если пользователь ввел в качестве поискового запроса название популярного фильма, то его «карточка» будет содержать фамилию и имя режиссера и продюсера картины, год выхода, исполнителей главных ролей, длительность, кассовые сборы. А также краткое содержание сюжета фильма, рейтинг и специальную кнопку, после нажатия на которую можно просмотреть трейлер данной киноленты. Если объектный ответ «посвящен» какому-либо городу, то в описании будут приведены общие сведения о нем: информация о площади, дате основания, численности населения. Кроме этого в карточке будут размещены миниатюры фотографий самых известных достопримечательностей города. Нажатие на иконку выведет более подробную информацию об этой достопримечательности. Формирование карточек происходит в автоматическом режиме. Для этого применяется семантическая графо-модель, которая содержит в себе описание совокупности объектов, их свойств и характеристики взаимосвязей между моделями. При «компиляции» содержимого карточек используется информация, полученная из десятков источников, данные из которых постоянно сопоставляются, а ложные отсеиваются. Всего база объектных моделей состоит из нескольких сотен миллионов взаимосвязей. Поэтому для упорядочивания такого массива данных составления обычного ассоциативного списка недостаточно. Дополнительно для его обработки применяется метод машинного обучения Матрикснет. Эта технология позволяет анализировать множество поведенческих факторов пользователей при осуществлении ими поиска информации с помощью Яндекса.