我将在下面查看这些标题及其层次结构。请注意，标题包括页面标题作为标题（关于月球）以及页面上标题元素内的标题。这些标题为答案提的回答段供了背景。
这一段进行评分。
来自选定来源的这些答案段落及
其各自的分数将提供给接收定义为问题的搜索查询的搜索引擎。
每个源段落都是从特定来源（ URL ）中特 电报筛查 定标题下的一段文本中选择出来的，具有特定的响应评级。
对于每个已选择答案候选的源，上下文评估过程确定源中的标题层次结构。
标题是指代的回答段源中特定段落的文本或其他数据。
例如，标题可以是总结紧随其后的一段文本的文本（标题描述标题后面的文本或标题中包含的文本的内容）。
例如，可以通过特定格式数据（如使用 HTML 的标题元素）指定标题。 （标题1、标题2、标题3……）
该专利的下一部分让我想起了 Mobile Moxie 的 Cindy Krum 对页面书签所做的观察，以及谷歌如何对它们进行索引以回答问题、获得答案或获得精选片段。她在《Fraggles 到底是什么？》一书中写到了这些跳转链接。
标题也可以是指向页面其他位置的锚点和相应文本的书签。
标题层次结构可以具有两个 如何选择最佳的销售管理软件？ 或多个按父子关系分层排列的标题级别。
第一级或主标题可以是来源的标题。
每个标题级别可以有一个或多个标题，在父子关系的回答段中，对应标题的子标题是子标题，而对应标题是父标题。
对于每个源段落，上下文评估过程可以至少部分地基于根标题和源段落所从属的相应标题之间的关系来确定上下文评估。
上下文评估过程可用于确定上下文 沃沃盒 评估并确定描述标题层次结构中从主标题到相应标题的路径的标题向量。
上下文评估可以至少部分地基于方向向量。
然后，上下文评估过程可以至少部分地通过上下文评估来调整源响应段落的评估分数，以形成调整后的评估分数。
然后，上下文评估过程可的回答段以根据调整后的响应分数从源响应段落中选择一个响应段落。
专利中的流程图展示了上下文评估适应过程：
识别搜索查询和答案段落中的问题
我曾经写过关于理解答案段落上下文的文章。该专利告诉我们更多值得更详细讨论的问题和答案段落。
有些问题采用显性疑问句或隐性疑问句的形式。
例如，搜索查询[地球与月球的距离]是显性问题“地球与月球的距离是多少？”的隐性形式。
同样，问题也可以很明确，的回答段就像搜索查询[月球离我们有多远]。
搜索引擎使用查询处理器，该处理器使用方法来确定搜索查询是否是查询问题（隐式或显式），如果是，则确定是否有回答该问题的答案。
查询处理器可以使用几种不同的算法来确定搜索查询是否是一个问题，以及是否有回答该问题的具体答案。
例如，他可以确定问题和答案如下：
- 语言模型
- 机器学习过程
- 知识图谱
- 语法
- 所有的组合
查询处理器可以从的回答段选定的来源中选择答案段落来补充或代替事实。例如，对于[月球距离我们有多远]这个问题，一个事实是238,900英里。并且搜索引擎可能只会显示这些事实信息，因为这是地球与月球的平均距离。
然而，查询处理器也可以选择识别与问题非常相关的文本段落。
这些段落被称为源响应段落。
对答案段落进行评分，并根据分数选择一个段落来回答问题。
可以对回答段落进行评分，并且可以根据上下文调整分数，这是这项专利的核心。
谷歌通常会识别多个可用作精选片段答案的候选答案段落。
Google 可能会查看这些答案所来自的网页上的信息，以便更好地了解答案的背景，例如：例如，页面标题和找到答案的内容的标题。
针对精选摘要答案的回答段的上下文评分调整
查询处理器将来自来源的一些响应段落、有关每个响应段落来源的信息以及每个精选片段响应的分数发送到上下文分数处理器。
对候选答案段落的评估可以基于以下考虑：