TF-IDF演算法在SEO中的衍生應用

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

TF-IDF演算法是一種統計演算法，用於對檢索的加權。 簡單的講其作用是評估一字詞對於一個檔的重要程度。

在SEO的衍生應用中，我們可以這麼去理解上面這段話：在一個公司裡，有10個SEOer，每個人都寫了一篇關於SEO的文章，並且把這些文章都放在了一個文件組裡。 我們可以預料到的是，基本每篇文章中都會重複多次出現SEO這個詞，意味著這十篇文章都與SEO有關。 現在我要查找一篇關於網站權重的SEO文章。 那麼我會在搜尋引擎中輸入「SEO 網站權重」。

最終我找到兩篇同時出現了這兩個詞的文章，第一篇裡面出現了2次「網站權重」和10次「SEO，另一篇出現了10次「網站權重」和2次「SEO」。 現在的問題是：拋開作者的素質(網站整體權重)、文章品質(頁面權重)、公司內專家的推薦(高品質外鏈)以及其他種種因素的影響後，誰的文章應該排在搜尋結果的前面?

帶著這個問題，我們來學習TF-IDF演算法以及TF-IDF演算法在SEO中衍生的應用。

TF-IDF的核心概念

如果某個詞或短語在一篇文章中出現的頻率TF高，並且在其他文章中很少出現，則認為此詞或者短語具有很好的類別區分能力，適合用來分類。

同時，如果一篇文章中出現了我們要查詢的詞，我們就會認為該文章與我們要查的詞有比較大的相關性。 延續這種思路，就是如果一篇文檔中出現要查詢的詞的次數越多，該文章與要查詢的詞之前的相關性應該越大。

我們在以往的SEO工作中，運用到的關鍵字密度技術，基於的就這個TF原理。

那麼我們在TF-IDF演算法中，先定義一個TF(t,d)表示詞語t在文章d中的出現次數。

我們可以通過關鍵詞密度查詢工具來查詢TF值：

HTTP://tool.chinaz.com/Tools/Density.aspx

但僅僅考慮詞出現的次數是不行的，因為常常我們查詢的都是兩個以上的詞，比如「AA BB」或者「XX YY ZZ」等形式。 如果是這種形式的查詢，哪個詞出現的次數應該做為重要性的依據呢?這就引出了IDF來測量詞的稀缺度，這裡我們定義IDF為IDF(t) = log(N / DF(t))。 其中：

DF(t)：該詞(以t為代表)在多少篇文章中出現過。 查詢辦法是通過google搜索某一個詞t，得到的搜尋結果我們可以理解DF(t)。

N: 總文章數。 這個數值在我們SEO工作中沒有什麼實際的用處，因為我們不可能知道搜尋引擎索引了多少文章。 但是對於搜尋引擎來說，N卻是一個判定詞權重的資料。

log：這個也不是我們SEO工作中需要考慮的數值，一般而言，log的底數可以隨便設定。 一般而言，我們採用+1的方式來抑制上述「網站權重 SEO」例子中第二篇出現10次「網站權重」的文章比第一篇出現2次「網站權重」的文章重要5倍的誇張情況出現。

TF-IDF的SEO應用實戰

看到這裡，是不是覺得很煩躁?我們來進入一段廣告...... 呃，不，進入一段實例：

TF-IDF值 = TF×IDF(TF乘以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》這篇文章為例：

「網站權重」TF值為：w=1+log 31(次出現)=2.49

「網站權重」IDF值為：23,200,000篇/1萬億(假設值，08年資料)=4.63

「網站權重」TF-IDF值為：2.49*4.63=11.53

「SEO」TF值為：w=1+log 34(次出現)=2.53

「SEO」IDF值為：1,220,000,000篇/1萬億(假設值，08年資料)=2.91

「SEO」TF-IDF值為：2.53*2.91=7.36

我們得到了「網站權重」TF-IDF值11.53和「SEO」TF-IDF值7.36。 這有什麼用呢?

TF-IDF值越大，文章與索引詞越相關;

只有當「網站權重」這個詞權重高的頁面，才有可能在「網站權重 SEO」這個搜尋結果的排名上有比較好的效果;

錨文本連結需要加強「網站權重」這個詞;

如果我們針對這個頁面做「SEO」的錨文本，則不會有太好的表現;

在沒有其他因素加權或降權的情況下，小於該頁面的總計詞權值18.89(11.53+7.36)的頁面將排名較低，大於18.89的頁面將排名比次文章高

TF-IDF在SEO應用的總結

以上只是一個TF-IDF在SEO衍生應用中的一個例子。 無論是TF-IDF的計算方式，或者是該案例的假設條件，都是不嚴謹和準確的。 但這不妨礙我們明白「關鍵字密度」這一SEO技術的原理。 同時，也在關鍵字排名方面，跟競爭對手有了一個可以量化的參考。

無論百度還是谷歌又或者其他搜尋引擎，TF-IDF只是其搜索排名演算法中很小的一部分。 同時為了打擊關鍵字堆砌，各大搜尋引擎又都會對TF值做一定的限制。 SEOMoz給的一個安全的詞頻數為每篇頁面不重複15詞關鍵字。 而不是簡單的用2%-8%的關鍵字密度。 當然這個建議是基於國外的搜尋引擎。

我們在學習SEO時，的確需要瞭解一些技術和理論的知識，這些知識有助於我們更好的開展工作。 但同時，我們也無需糾結于一些純理論和技術方面的問題，畢竟，在SEO這個行業中，實戰和經驗同樣無比重要。

本文由楊帆原創于楊氏SEO，轉載請保留連結：

HTTP://www.seoyangs.com/tf-idf-seo.html