解說TF-IDF算法在SEO優化中的應用

TF-idf算法其實是一種用戶資訊檢索與資訊探勘的常用加權技術，常常被SEOER們應用到，而很多人或許不太知道，其實最直觀的瞭解就是“網站關鍵詞密度”。


　　直接切入主題，TF-idf算法到底是如何計算的：


　　公式：


　　TF：詞頻


　　IDF：逆文本頻率指數


　　TF-IDF=TF*IDF


　　我們舉例說明，TF詞頻的意思，是指一個詞出現在頁面中的次數，如果一篇文章的總詞語數是200，而“網站優化”這個詞出現了4次，那麼這個詞頻TF=4/200，也就是0.02。


　　而IDF也就是很文件頻率，指這個詞在多少頁面出現過計數爲N，文件總數計數爲M，那麼IDF=lg(M/N)。假設“網站優化”在2000個頁面出現，總文件數爲1億,那麼文件頻率IDF=lg(100000000/2000)=4.69897,那麼計算最後的TF-IDF=0.02*4.69897=0.0939794。


　　這只是一個判斷一個頁面的相關度的問題，而在SEO網站優化中，並不只是判斷TF-IDF的值加分，我們需要一個識別度高的詞來爲頁面加分。例如：搜索引擎收錄一萬億個頁面，應該說每個頁面都會有“的、是、中、地、得”等等詞，這些高頻詞也叫噪音詞或停止詞，搜索引擎會去除這些詞，所以這些詞的加分權重其實應該是0。計算公式：TF-IDF=log(1萬億/一萬億)=log1=0。


　　其實在搜索引擎檢索中，計算權重的時候，會根據每個詞分詞來計算，例如：“SEO網站優化的技巧”這個詞。


　　假設：SEO頁面檢索數位2000萬，網站優化的檢索數爲1000萬，技巧的檢索數爲50000萬


　　搜索引擎索引總數假設爲100億。


　　SEO在www.rlbag.com這個網站中頁面(頁面總詞數400)出現8次，網站優化出現10次，技巧出現16次。


　　那麼各自的詞頻


　　TF(SEO)=8/400=0.02,


　　TF(網站優化)=10/400=0.025


　　TF(技巧)=20/400=0.04


　　TF(的)=上面已近提到，的屬於高頻停止詞，權重爲0。


　　那麼搜索“SEO網站優化的技巧”這個頁面的相關度爲：TF(總)=0.02+0.025+0.05=0.095。


　　而IDF(SEO)=LOG(10000000000/20000000)=2.69897


　　IDF(網站優化)= LOG(10000000000/10000000)=3


　　IDF(技巧)=log(10000000000/100000000)=1.69897


　　這麼算下來之後，每個詞爲搜索“SEO網站優化的技巧”爲頁面的權重和相關度貢獻的值分別爲：


　　Tf-idf(seo)=0.02*2.69897=0.0539794


　　Tf-dif(網站優化)=0.025*3=0.075


　　Tf-idf(技巧)=0.04*1.69897=0.0679588


　　由此可以看出，雖然技巧出現的頻率更高，但識別度沒有SEO和網站優化高，所以爲頁面的權重貢獻度並不是太大。


　　一個詞的預測能力也就是識別度越高，那麼這個詞的權重越大，反之則越小，看到“網站優化“可能你就已經基本瞭解這個頁面要講什麼，但是看到技巧，你可能還不是太明白頁面的主題。


　　當然這支持搜索引擎的算法的一個點，我們還要結合標籤來實現權重的提升，例如H標籤，而主關鍵詞周邊的詞也會加分，這裏周邊是指在一個標籤內的例如：SEO網站優化的技巧主要是一些搜索引擎優化思路的介紹