DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁SEO優化 >  >> SEO優化集錦
TF-IDF算法在SEO中的衍生應用與量化實踐
編輯:SEO優化集錦     

TF-IDF是一種統計算法,用於檢索加權。通俗地說,它評估的是某個詞對某篇文檔的重要程度。

放到SEO場景裡,可以這樣理解:一家公司有10位SEOer,每人都寫了一篇關於SEO的文章,彙集成一個文檔集。可以預料,幾乎每篇都會多次出現「SEO」這個詞,說明這十篇都與SEO相關。現在我想找一篇講網站權重的文章,於是搜索「SEO 網站權重」。

假設最終有兩篇同時包含這兩個詞:第一篇出現2次「網站權重」、10次「SEO」;第二篇出現10次「網站權重」、2次「SEO」。拋開作者素質(站點整體權重)、文章質量(頁面權重)、專家推薦(高質量外鏈)等種種變量,誰該排在前面?

TF-IDF的核心概念

如果某個詞在一篇文章中出現頻率高,同時在其他文章中很少出現,則認為它具備較好的類別區分能力,適合用於分類。

反過來,一篇文檔中包含了我們查詢的詞,就認為它與查詢詞相關性較大;出現次數越多,相關性越強。我們過去做SEO常用的關鍵詞密度,背後正是這個TF原理。

定義TF(t,d)表示詞語t在文章d中的出現次數。這個值可以用關鍵詞密度工具查詢。

但只看次數是不夠的,因為我們查詢的往往是兩個以上的詞,比如「AA BB」或「XX YY ZZ」。這種情況下,哪個詞該作為重要性依據?於是引入IDF來衡量詞的稀缺度:IDF(t) = log(N / DF(t))。其中DF(t)是該詞在多少篇文章中出現過(可以粗略地用搜索引擎返回的結果量理解),N是總文檔數。N在我們的實際工作中拿不到,因為不可能知道搜索引擎索引了多少頁面,但對搜索引擎而言,它是判定詞權重的重要數據。至於log,底數可以任意設定,通常我們用+1的方式來抑制前面那個「出現10次比出現2次重要5倍」的誇張效應。

實戰算一遍

TF-IDF值 = TF × IDF = 1+log tf(t,d) × log(N / DF(t))

以《網站權重 SEO》和《SEO學習:什麼是網站權重》這兩篇為例:

「網站權重」TF值:w = 1+log 31 ≈ 2.49

「網站權重」IDF值:2320萬篇 / 1萬億(假設值,08年數據)≈ 4.63

「網站權重」TF-IDF值:2.49 × 4.63 ≈ 11.53

「SEO」TF值:w = 1+log 34 ≈ 2.53

「SEO」IDF值:12.2億篇 / 1萬億(假設值,08年數據)≈ 2.91

「SEO」TF-IDF值:2.53 × 2.91 ≈ 7.36

這兩個數字有什麼用?可以推出幾條結論:

TF-IDF值越大,文章與索引詞越相關。只有讓「網站權重」這個詞的權重上來,才有可能在「網站權重 SEO」的搜索結果裡拿到好位置。錨文本應該著力強化「網站權重」,如果針對這個頁面做「SEO」的錨文本,效果不會理想。在其他因素不加權也不降權的前提下,總詞權值低於18.89(11.53+7.36)的頁面排名會靠後,高於這個值的則更有機會。

怎麼看待這套算法

以上只是一個衍生應用的示例,無論計算方式還是假設條件都不算嚴謹。但它足以讓我們明白「關鍵詞密度」這項技術的原理,同時在關鍵詞競爭上多了一個可量化的參照。

無論百度、谷歌還是其他搜索引擎,TF-IDF都只是排名算法中很小的一部分。而且為了打擊關鍵詞堆砌,各家都會對TF值設限。SEOMoz給出的安全詞頻建議是每頁不重複15個關鍵詞,而不是簡單套用2%–8%的密度區間——不過這個建議基於國外搜索引擎。

學SEO確實需要懂一些技術和理論,這些知識能幫我們把工作做得更好。但也無需糾結在純理論問題裡,畢竟在這個行業,實戰和經驗的分量同樣很重。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved