上海搜索引擎优化seo(TF-IDF是什么意思网页优化的密度？)

　　上海搜索引擎优化seo(TF-IDF是什么意思网页优化的密度？)

　　.1、 TF-IDF是什么意思

　　搜索引擎有很多计算页面权重的算法，其中一种是非常有名的算法，英文缩写是TF-IDF。TF-IDF 是一种统计方法，用于评估单词对文档集或语料库中文档的重要性。一个词的重要性随着它在文档中出现的频率而增加，但随着它在语料库中出现的频率而降低。含义如下：

　　TF：词频

　　IDF：逆文本频率索引

　　TF-IDF=TF*IDF

　　这个词我们可能不熟悉，但是我们知道seo的朋友们应该都听说过关键词密度，TF的词频叫做关键词密度。TF用于确定页面的相关性。网页的相关性对网站的排名影响很大。在相同的关键词下，页面的相关性越高，百度就会发现它对页面更好的排名越重要。但是为了增加关键词的密度，不要在网页中堆叠关键词。一旦被百度识别，你将受到处罚

　　.2、如何实现TF-IDF算法

　　，TF是词频，指的是一个词在页面上出现的次数。如果文章的一篇文章总字数为200，并且“网站optimization”这个词出现了4次，那么“网站optimization”的词频为TF=4 /200，即0.02。一般来说，词频（关键词密度）越高，页面相关性越高

　　IDF是反向文本频率索引，听起来有点晦涩。没关系。让我给你举个例子。假设“网站优化”出现在n（2000）页，文件总数为m（亿），那么文件频率IDF=LG（m/n）=LG（ 100000000/2000）=4.69897。一般来说，网页中“网站优化”这个词越多，这个词就越不重要

　　一个网页是很多关键词的集合，搜索引擎不会给所有的词都加分，我们需要对这个词有很高的识别度才能给网页加分。例如：一个搜索引擎收录数万亿个页面。应该说每一页都会有“de、time、middle、place、de”这样的词。这些高频词也被称为干扰词或停用词，搜索引擎会将这些词处理Remove，所以这些词的额外权重应该为0，然后分别计算这些关键词的权重

　　3、TF-IDF算法的具体应用

　　其实在搜索引擎检索中，在计算权重的时候，会根据每个分词来计算，比如：“SEO网站optimization网站construction company”

　　，假设“SEO”页面搜索量为2000万，“网站优化”页面搜索量为1000万，“提示”数为5000万

　　，假设搜索引擎索引总数为100亿

　　去掉“德、时、中、地、德”停用词后，一个网页被百度分成400个词，“SEO”出现8次，“网站优化”出现10次，“ 网站建筑公司”出现16次

　　, 然后是各自的词频：

　　TF (SEO)=8/400=0.02,

　　TF（网站优化）=10/400=0.025

　　TF（网站建筑公司）=20/400=0.04

　　, 搜索“SEO网站optimization网站construction company”的相关性为：

　　TF（总计）=0.02+0.025+0.05=0.095

　　IDF(SEO)=log(100000000/20000000）=2.69897

　　IDF(网站优化)=log(1000000000/100000000）=3

　　IDF (网站建筑公司)=log(100000000/100000000）=1.69897

　　经过计算，每个搜索词为“SEO网站optimization网站construction company”，其对页面权重和相关性的贡献为：

　　tf-idf(seo)=0.02*2.69897=0.0539794

　　tf-dif (网站优化)=0.025*3=0.075

　　tf-idf（网站建筑公司）=0.04*1.69897=0.0679588

　　可以看出，虽然技能使用比较频繁，但是识别度不如seo和网站优化，所以对页面权重的贡献不是太大。一个词的预测能力是识别度越高，该词的权重越大，反之亦然。看到“网站优化”，你可能对网页的内容有一个基本的了解，但看到网站建筑公司，你可能不知道网页的主旨。当然，TF-IDF算法只是搜索引擎的点算法。另外，比如使用页面标签，比如H标签，搜索引擎纠错算法，对外部链接内的链接进行投票，页面相似度，URL路径层次等也很重要。很重要的一点，

　　中提到