搜尋引擎判斷相關性,通常不只靠字面關鍵詞,也會考慮詞與詞之間的關聯。傳統做法多依賴關鍵詞出現次數與位置,但這容易忽略語意。
例如文章A談大學教育,高頻詞是學生、學習、大學;文章B談普通教育,高頻詞是教育、教師、進修。若只看字面,兩篇文章可能不相關,但實際上主題有交集。
為了解決這個問題,可以建立關鍵詞相關矩陣,把一個詞擴展成一組相關詞。這樣計算文章相關性時,就不只是簡單相乘,而是把語意關聯納入。
舉例來說,學校與學生的相關度,可以用搜尋引擎結果數量估算。若學校結果約九千一百七十萬,學生約八千八百二十萬,同時包含兩者約四千八百九十萬,則相關度約為四千八百九十萬除以總和減去交集,結果約零點三七。
用同樣方式計算百度與Google的相關度,也會得到一個偏低的值。這說明兩個詞雖然常被一起討論,但在語意上並非高度同義。關鍵詞相關度分析,能幫助我們更精準理解搜尋引擎如何判斷主題。