列表的存在列表是一组通常具有指导性或信要的评息性的步骤。列表的检测可以依赖于搜索查询是逐步模态查询。
逐步模态查询是一种基于列表的答案很可能产生好的答案的查询。逐步模型查询的示例包括以下查询
上下文评估过程可以检要的
评测使用要的评以下内容 电报数据 创建的列表：
- HTML 标签
- 微格式
- 语义
- 同一级别的连续标题，且句子相同或相似（例如，步骤 1、步骤 2；或第一；第二；第三；等等）
上下文评估也可以根据质量来评估列表。
例如，它会考虑以下几点：
- 页面中间的列表，不包含指向其他页面的多个链接（引用参考列表）
- 不占据列表文本很大一部分的 HREF 链接文本比页面侧面的列表质量更高，并且包含指向其他页面的多个链接（指向参考列表）和/或具有占据列表文本很大一部分的 HREF 链接文本
当检测到列表时，该过要的评程会选择一个列表增益因子。
该列表提升因子可以是 设定现实的目标 固定的，也可以与列表的质量评级成比例。
如果列表未被识别或者列要的评表增益因子被选择后，该过程终止。
在某些应用中，列表增益因子也可能取决于其他特征分数。
如果还有其他功能，例如… B.覆盖率、突出文字等得分相对较高，可以增加榜单提升系数。
专利描述称，这是因为“在列表存在的情况下，这些评级的组合是高质量答案段落的强烈信号。”
考生答案段落的分数将根据 台湾新闻 向量空间分析、段落覆盖率和上述其他特征通过评分组件进行调整。
评估过程可能会从上要的评面确定的值中选择最大的增益值，或者选择增益值的组合。
一旦答案分数调整完毕，将选择具有最高调整后答案分数的源答案段落作为精选片段并显示给搜索者。
很快会有更多相关信息
我将讨论该系列专利中关于源响应分数的第一项专利，因为它包含本文未涉及的一些其他元素，以及有关响应分数的查询相关/独要的评立排名信号的文章。
如果您一直关注 Google 如何回答需要特定答案的搜索，您可能已经注意到在很多情况下它们有所改进。但是，有些答案确实很糟糕。如果能尽可能完整地了解 Google 如何根据网络上现有的信息来决定对查询的精选摘要的最佳答案，那就太好了。
2020 年 10 月 14 日添加 – 我写了另一篇关于答案评级的谷歌专利，有关这个主题的所有专利都值得一读。新帖子“用于对答案段落评分的加权答案术语”涉及用于 对答案段落评分的专利“加权答案术语”。