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))。為什么要分析這個公式呢?因為一個網(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”這個關(guān)鍵詞的網(wǎng)頁排序，我們查排名前十中三個網(wǎng)站關(guān)于這個詞相關(guān)詞語的一些詞頻展現(xiàn)分析：
排在第二的是A5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，“SEO”和“診斷”是百度上限約100,000,000個，取N=10000億。所以三個網(wǎng)頁三個關(guān)鍵詞的TF*IDF值做下面的計算：
1、先計算三個詞的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、計算三個詞的TF值：
三站的關(guān)鍵詞SEO的TF值：
長沙：TF= log(TF(t,d))= log12≈1.1
A5：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
A5：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
A5：TF= log(TF(t,d))= log20≈1.45
細(xì)嗅薔薇：TF= log(TF(t,d))= log4≈0.63
3、三個站三個詞的TF*IDF值為：
TF*IDF值SEO診斷SEO診斷
長沙站5.13.521
A5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，A5站長網(wǎng)的“診斷”和“SEO診斷”TF*IDF值最高。
如果單純從TF*IDF值計算出來的相關(guān)性來講，“SEO診斷”這個詞的排名A5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)，這些都是我們需要考慮的。
另外，同一個網(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A5站長站中“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“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。
當(dāng)然，這個計算都是基于理想狀態(tài)的，但是也能夠說明一些SEO現(xiàn)象的產(chǎn)生原因，只要我們能夠掌握TF*IDF算法的基本思想，然后運(yùn)用到網(wǎng)站優(yōu)化中，必然能夠更好地優(yōu)化網(wǎng)站，例如我的博客，降低“SEO”這個詞對于網(wǎng)站排名的影響，可能能夠更好地控制網(wǎng)頁的關(guān)鍵詞“SEO診斷”的排名。
本文由虛子雨，杭州SEO(http://www.soxunseo.com)搜訊網(wǎng)絡(luò)網(wǎng)編發(fā)表，歡迎大家轉(zhuǎn)載，轉(zhuǎn)載時請保留此鏈接，謝謝合作!
網(wǎng)友點評
精彩導(dǎo)讀
科技快報
品牌展示