|
搜索引擎会给予每一个页面一定的权重值，这个值也会随着页面的更新和时间地流逝而改变。今天，SEO百科网带来的是《TF-IDF算法-索引创建过程中的加权方法-什么是搜索引擎》。希望对大家有所帮助。  % ~9 { e4 t( `7 a5 _5 E" e
一、索引创建中的权值搜索引擎蜘蛛的爬行与抓取，页面的收录与索引，是一个页面能够在用户搜索关键词时能够获得展现的几个基本步骤，其中索引创建中包含着对页面内容本身的加权因素① 索引项权值概念索引项的权值，在一定程度上反应了文档中词的相对重要性，这个值通常用于索引排序过程中计算分值，也就是影响搜索引擎排序的重要因素之一。
8 `6 P1 i x. }8 ` ② 索引项权值怎么得来的？索引项权值，是由检索模式中的加权组件利用文档统计结果来计算得出的③ 索引项加权方法传统的检索模式中最常见的加权方法：TF-IDF算法二、TF-IDF算法① TF-IDF算法定义。 # U: Y1 @' [) s5 l
TF-IDF算法，基于索引项出现在一个文档中的次数或频率，以及索引项在整个文档集合中出现的频率，两者的组合（或者说两者的乘积）② TF-IDF算法中词的解析1）TF次数和频率称之为词频，英文简称为tf2）IDF
5 l. p3 y8 a- K, k- P 索引项在整个文档集合中出现的频率，称之为范文档频率，英文简称为idf③ TF-IDF算法的简单说明TFIDF的核心思想，是指某个词或某个短语在一篇文档中出现的频率高，并且在索引库的其他文档中出现较少，就认为这个词或短句有很好的类别区分能力，可以用来进行分类。
/ h1 P& y, S& k' l; h! l 简单来讲，某个词或某个短语就是索引词，对于这篇文章而言，该词项将被赋予较高的权值三、理解并使用TF-IDF算法对于SEOer来讲，了解上面的知识已经足够了，没必要非得知道是用哪个函数，哪个公式算出来的结果。
& v5 W: S& w1 C 其实，通过TF-IDF算法的学习，我们可以更好理解一些常识性的SEO知识① 品牌词容易优化品牌词一般是自己创造的，满足TF值大，同时IDF值大，页面加权高，自然排名很容易② 行业核心词难优化无数网站都在优化这同一个词，然而首页的位置却是有限的，大家都满足TF大，但同样IDF越小，证明这个词越难优化。
! G+ H: o* I" p; m% f" y 这也就是平时在判断关键词优化难度时，为什么将百度搜索的相关结果数作为优化难度之一的原因③ 多挖掘没有百度指数的关键词-降低优化难度行业中有百度指数的词，大家都在做优化与排名，这样的词不光是竞争压力大，可能还带不来多少点击。 * d0 I: L$ y% W2 x% c
因为百度指数可能是100，真实用户也许只有2个，另外的98个都是企业的竞争者们我们应该挖掘一些没有百度指数的词，但是需要这次保持一定的搜索量，这样可以保证降低优化难度的同时，带来更多真实流量④ TF并不是万能！过度堆积害处大！。
1 M$ [$ X! A" e' ? q1 z& f 根据TF-IDF算法，很多人会想，增加关键词密度或频率，以增加TF值，从而获得更好的排名然而，这种做法可以适当做，但超过一定度的话，没什么好处，反而可能会因为过度堆积被搜索引擎降权！所谓的2%~8%的关键词密度只是个大概范围，很多排名好的页面很多都在2%一下，当然也有在8%以上的，只要密度不是过小，不必过度在乎这个。 6 z" Q+ p0 R2 u0 }, q$ W/ Z3 P
举个例子，已经是5%的密度了，非要故意堆积到8%，甚至百分之20%，就会变得非常没有意义这是对TF高的一种误解也就是我们能够根据TF-IDF算法中得到的启发是不应该让关键词的密度或频率（TF）过低，然而对于IDF来说，我们只能通过寻找IDF值高的关键词来优化，如果我们优化的关键词的IDF值本来就很低，我们也不能对其改变这个现状，IDF值越低，证明这个词在一定程度上就越难优化。 2 P$ f. ~2 N2 N- F$ e
所以，在网站优化过程中，除了要做好页面外，还需要关注内链与外链优化。四、TF-IDF算法公式① TF公式 
" D, q/ M* C ~1 K TF(i,j)：关键词j在文档i中的出现频率。n(i,j)：关键词j在文档i中出现的次数。  ; B: V# g: M% }. ^" q7 F7 U! A
举例来讲：一篇文章总共100个词，其中“SEO培训”一共出现了10词，那么TF就是10/100，结果就是0.1然而，由于文章中会出现大量的“的”、“得”、“吗”、“地”，不能正常反应文章的词，所以，就得用IDF来做一个限制了。 8 u% m6 }( s, W. T( o+ J+ j
② IDF公式 
' J8 B( d! Y5 L" F3 t IDF(i)：词语i的反文档频率|D|：语料库中的文件总数|j:t(i)属于d(j)|出现词语i的文档总数+1是为了防止分母变0。 
d9 ~) O/ v# C1 J* L IDF就可以防止常用词的干扰了还是刚才的例子：一篇文章总共100个词，其中“SEO培训”一共出现了10词，那么TF就是10/100，结果就是0.1另外“我们”一共出现了10词，其TF结果也是0.1假设语料库总共有1000篇文章，其中“SEO培训”文章有10篇，“我们”文章有1000篇。 7 Z5 [7 c/ K# c3 A! l! R$ I; P
“SEO培训”的IDF=log（1000/10）= 2“我们”的IDF=log（1000/1000）= 0③ TF-IDF公式TF-IDF = TF*IDF 
$ H7 ^4 A+ B# e3 E1 k2 ^' o “SEO培训”的TF*IDF=0.1*0=0“我们”的TF*IDF=0.1*2=0.2那么很显然，对于这篇文章而言，“SEO培训”比“我们”更加重要以上就是SEO百科网带来的是《TF-IDF算法-索引创建过程中的加权方法-什么是搜索引擎》。
7 y& D" ^8 ]% b* M8 V) K 感谢您的观看更多seo教程搜索“错误教程”原创文章欢迎转载并保留版权：https://www.cuowu.com/ 3 s$ W( q0 C# u, t3 [) s; L& E5 r* f
0 n- V1 o6 \% b0 a1 _& M% k
% W1 ?. v( O3 d7 ?6 V, ]$ G: u! u% J; L
9 H- |; l. [; Q* u: n+ E | 
; B: V# g: M% }. ^" q7 F7 U! A
