SEO高端操作手法之建立词库

• 关键词来源
  • 通过词根托词（定向）
    • 5118长尾词：https://ci.5118.com/1b49a5d8/
    • 爱站长尾词：https://ci.aizhan.com/8d5a94b1/
    • 相关搜索（包含词根的）轮循
    • 下拉框（包含词根的）轮循
    • 凤巢关键词

      

    • 5118树状规划图：https://plan.5118.com/

  • 通过网站托词（非定向）
    • 5118网站词库：https://www.5118.com/seo/baidupc/www.1688.com
    • 爱站网站词库：https://baidurank.aizhan.com/baidu/1688.com/
    • 遍历竞争对手网站地图：
      • tag页、专题页…sitemap
      • /tag/1/ /tag/2/ /tag/3/
      • …

        跟领域相关，但有没有明确的词根

• 分类
  • 通过词根拓展的
    • 找出

      筛选条件，可以作为网站栏目或筛选项

    • 找出

      有找交流群的，有找新产品的，有问某个产品靠不靠谱的…

    • 根据筛选条件和搜索需求，批量生成大量词

  • 通过网站拓展的
    • 过滤出垃圾词
      • 与本站内容完全不相关的
      • 不符合社会主义核心价值观的
      • 重复的
    • 过滤方法
      • 与本站内容完全不相关的

        最简单的办法，通过搜索解决。每个词，搜索整站内容，如果没有搜索结果，则与本站内容不相关

      • 不符合社会主义核心价值观的

        命中黑名单

      • 重复的

        删掉停止词后，再分词后，词项完全一致的，保留一个

    • 分类
      • 词向量

        http://ai.baidu.com/tech/nlp/word_embedding

        

        机器学习：tensorflow

      • 通过搜索
        • 网站每个栏目下，随机抽取几千篇文章标题
        • 依次给每个栏目的文章标题，创建索引
        • 用拓展词依次去搜索，每个栏目标题的索引，并记录搜索结果数量
        • 将该关键词，归类到搜索结果数最大的栏目下

      • 打标签

        文章标签：http://ai.baidu.com/tech/nlp_apply/topictagger

        文章分类：http://ai.baidu.com/tech/nlp_apply/doctagger

2.1）TF-IDF计算

TF ＝ 某个词在文档中出现的次数 ／ 文档的长度

IDF = log( 搜索引擎文档总数 / 出现某个词的文档总数 )

PS：log以2为底

2.2）TF-IDF的意义

• 网页不见得内容越多越好。若布局不当，内容越多反而会稀释TF(keyword)的分值，从而降低这个词与这个网页的相关性
• IDF本质是一个词项的权重，降低文档中高频关键词的权重。所以网页中，玩命塞完整的关键词不见得好，但要多塞这个关键词中IDF最高的词项

2.3）BM25计算

• 常量K：用来限制TF值的增长极限，TF值永远在 [0 ~ K+1] 之间
• 参数L：文档长度与平均长度的比值，如果文档长度是平均长度的2倍，则L＝2
• 常数b：用来规定L对评分的影响有多大

Elasticsearch里，K默认1.2，b默认0.75

$ ext{公式} = 权重(IDF)×相关性 = sum_{i=1}^n ext{IDF}(keyword)cdotleft[frac{TF(keyword)cdotleft(k+1
ight)}{TF(keyword) + kcdotleft(1-b+bcdotfrac{当前文档的字数}{整个文档库的平均字数}
ight)}
ight]$

2.4）BM25的意义

• 增加了文档长度对相关性的影响。文档越短，相关性会比用TF计算的值更低，减少通过 [缩减页面内容量] 对相关性计算的干扰
• 增加了对TF极限值的限制，减少通过 [堆砌IDF高的词项] 对相关性计算的影响
• 只是影响而已，[缩减页面内容量] 和 [堆砌IDF高的词项] 还是有用的，注意尺度
• BM25同样作用于title