文章內(nèi)容

TF-IDF

發(fā)布時(shí)間: 2012/8/4 15:25:35

TF-IDF算法已經(jīng)被很多專業(yè)的SEO工作者所熟知，它是一種用于資訊檢索與資訊探勘的常用加權(quán)技術(shù)，運(yùn)用到網(wǎng)頁分析中就是對于網(wǎng)頁中的相關(guān)關(guān)鍵詞進(jìn)行加權(quán)，分析眾多網(wǎng)頁中某個(gè)特定關(guān)鍵詞的相關(guān)網(wǎng)頁關(guān)鍵詞權(quán)值，并在最后的排序算法中給予科學(xué)的依據(jù)。

　　首先看一看TF*IDF公式：TF*IDF值 = TF×IDF（TF乘以IDF） = 1+log TF（t，d） ×IDF（t） = 1+log TF（t，d） ×log（N / DF（t））。為什么要分析這個(gè)公式呢？因?yàn)橐粋€(gè)網(wǎng)頁的TF-IDF值越大，網(wǎng)頁中文本內(nèi)容與索引詞越相關(guān)，其能夠在搜索引擎上獲得的權(quán)值就越高，對于后期的網(wǎng)頁的排序能夠提供很大的支持。

　　TF*IDF中TF詞頻（Term Frequency），表示詞條在某個(gè)文檔中出現(xiàn)的頻率，而IDF反文檔頻率（Inverse Document Frequency）表示如果包含詞條t的文檔個(gè)數(shù)越少，IDF越大，則說明詞條t具有很好的類別區(qū)分能力，用公式表示IDF可以寫為：IDF（t） = log（N / DF（t））。DF（t）表示包含有某個(gè)搜索詞（以t為代表）的文檔數(shù)，N表示互聯(lián)網(wǎng)的總網(wǎng)頁數(shù)。

　　看這些概念很難理解透徹，給大家舉一個(gè)例子，大家就能夠很好地明白了。

　　利用TF-IDF解釋“SEO診斷”排名現(xiàn)象

　　例如“SEO診斷”這個(gè)關(guān)鍵詞的網(wǎng)頁排序，我們查排名前十中三個(gè)網(wǎng)站關(guān)于這個(gè)詞相關(guān)詞語的一些詞頻展現(xiàn)分析：

　　排在第二的是站長網(wǎng)的SEO診斷，他們的“SEO”和“診斷”的詞頻分別是41和46，“SEO診斷”的詞頻是20;

　　排在第三的網(wǎng)站是長沙的一家公司，他們的“SEO”和“診斷”的詞頻分別是12和4，“SEO診斷”的詞頻是1;

　　我的細(xì)嗅薔薇博客排名排名第十，網(wǎng)站中“SEO”詞頻最高，達(dá)到84，“診斷”的詞頻是7，“SEO診斷”的詞頻是4。

　　搜索查看有關(guān)于“SEO診斷”的頁面約1，530，000個(gè)，“SEO”和“診斷”是百度上限約100，000，000個(gè)，取N=10000億。所以三個(gè)網(wǎng)頁三個(gè)關(guān)鍵詞的TF*IDF值做下面的計(jì)算：

　　1、先計(jì)算三個(gè)詞的IDF值：

　　SEO：IDF= log（N / DF（t））= log（10000/1）=4

　　診斷：IDF= log（N / DF（t））= log（10000/1）=4

　　SEO診斷：IDF= log（N / DF（t））= log（10000/0.015）= 7-log15≈6

　　2、計(jì)算三個(gè)詞的TF值：

　　三站的關(guān)鍵詞SEO的TF值：

　　長沙：TF= log（TF（t，d））= log12≈1.1

　　站長網(wǎng)：TF= log（TF（t，d））= log41≈1.64

　　細(xì)嗅薔薇：TF= log（TF（t，d））= log84≈1.92

　　三站的關(guān)鍵詞診斷的TF值：

　　長沙：TF= log（TF（t，d））= log4≈0.63

　　站長網(wǎng)：TF= log（TF（t，d））= log46≈1.68

　　細(xì)嗅薔薇：TF= log（TF（t，d））= log7≈0.84

　　三站的關(guān)鍵詞SEO診斷的TF值：

　　長沙：TF= log（TF（t，d））= log1=0

　　站長網(wǎng)：TF= log（TF（t，d））= log20≈1.45

　　細(xì)嗅薔薇：TF= log（TF（t，d））= log4≈0.63

　　3、三個(gè)站三個(gè)詞的TF*IDF值為：

　　TF*IDF值SEO診斷SEO診斷

　　長沙站5.13.521

　　站長網(wǎng)7.567.729.7

　　細(xì)嗅薔薇8.684.464.78

　　從上面的表格中我們可以清晰的看出，我的博客“SEO”的TF*IDF值最高，站長網(wǎng)的“診斷”和“SEO診斷”TF*IDF值最高。

　　如果單純從TF*IDF值計(jì)算出來的相關(guān)性來講，“SEO診斷”這個(gè)詞的排名站長網(wǎng)的相關(guān)性是最高的，應(yīng)該獲得更好的排名，我的博客排名應(yīng)該在兩者之間（前天的排名的確在兩者之間），長沙站應(yīng)該在最后，但是和實(shí)際的結(jié)果看來是有一定的差距的。這說明網(wǎng)站網(wǎng)頁排名的因素還有其他的一些比較重要的因素，例如網(wǎng)站整體權(quán)重，單個(gè)網(wǎng)頁權(quán)重和質(zhì)量，外部鏈接，和用戶的交互（即用戶體驗(yàn)），這些都是我們需要考慮的。

　　另外，同一個(gè)網(wǎng)站相比較來看TF*IDF值，長沙站和我的細(xì)嗅薔薇博客要提升排名，對于關(guān)鍵詞“SEO”排名的要求就比較高，“SEO”排名起決定性作用，而站長網(wǎng)中“SEO診斷”的排名起到?jīng)Q定性的作用，關(guān)鍵詞“SEO”排名對于其排名波動影響要小。這一點(diǎn)有一定的根據(jù)，例如前天我的博客“SEO診斷”排名第三，當(dāng)時(shí)“SEO”關(guān)鍵詞排名第十頁，現(xiàn)在掉到了23頁，排名就下降到第十，所以多運(yùn)用TF*IDF研究能夠幫助我們發(fā)現(xiàn)很多關(guān)鍵詞排名現(xiàn)象，并針對性的制定SEO優(yōu)化策略。

本文出自：億恩科技【mszdt.com】

服務(wù)器租用/服務(wù)器托管中國五強(qiáng)！虛擬主機(jī)域名注冊頂級提供商！15年品質(zhì)保障！--億恩科技[ENKJ.COM]