TF-IDF框架與其可以衍生到的SEO知識

TF-IDF框架與其可以衍生到的SEO知識

這是一篇關(guān)于搜索引擎排序基礎(chǔ)TF-IDF框架的普及文章，并非網(wǎng)上偶然可見的一些泛泛而談甚至斷章取義的內(nèi)容，而是結(jié)合搜索引擎的理論，和自己觀察到的較多實(shí)例所總結(jié)的切實(shí)的知識。雖然可能相對比較難以理解，但相信我，這些用來理解的時間絕對是值得的。

寫這篇文章主要是為了對后面一篇《SEO實(shí)踐》系列的文章中要提到的一些內(nèi)容先寫好基礎(chǔ)理論，就不放到正篇里面去占用篇幅了。

本文先引用一段張俊林的《這就是搜索引擎》中對于TF-IDF框架的概述。由于原文較長，這里概述下我所認(rèn)為的重點(diǎn)，或許會有概述不足之處，所以更具體的內(nèi)容推薦看原書。

（注：“TF-IDF”或“TF*IDF”是寫法習(xí)慣問題，書中用的是TF*IDF，不意味著兩者之間有區(qū)別）

TF-IDF原理概述

當(dāng)用戶在搜索引擎搜索一個詞的時候，它會將詞去和索引庫內(nèi)的文檔去進(jìn)行匹配計算，將和詞語很相關(guān)的一定數(shù)量的文檔取出，參與后續(xù)的排名計算。此處“很相關(guān)”的量化指標(biāo)被成為“權(quán)值”，而對于絕大多數(shù)搜索引擎，權(quán)值的計算中TF*IDF框架都是比較重要的一部分。其中被主要考慮到的因子為：詞頻TF和逆文檔頻率IDF。

詞頻因子（TF）

TF計算因子代表了詞頻，即一個單詞在文檔中出現(xiàn)的次數(shù)。一般來說，詞頻越高越顯得文檔和該詞相關(guān)，就應(yīng)該給予這個單詞更高的權(quán)重。

具體計算詞頻因子的時候，基于不同的出發(fā)點(diǎn)，可以采納不同的計算公式。很簡單的方式是直接利用詞頻數(shù)，比如一個文檔中某單詞出現(xiàn)5次，它的TF值就是5。

一種詞頻因子的變體計算公式是：W=1+log（TF）

即將詞頻數(shù)值TF取Log值來作為詞頻權(quán)值，比如單詞在文檔中出現(xiàn)4次，其詞頻因子權(quán)值為3，公式中的數(shù)字1是為了平滑計算之用。因?yàn)榧偃鏣F值為1的情況下，取Log后值為0，即本來出現(xiàn)了一次的單詞，按照這種方法計算會認(rèn)為這個單詞從來沒有在文檔中出現(xiàn)過，為了避免這種情況，采用+1的方式來進(jìn)行平滑。之所以要對詞頻取Log，是基于如下考慮：即使一個單詞出現(xiàn)了10次，也應(yīng)該在計算特征權(quán)值時，比出現(xiàn)1次的情況權(quán)值大10倍，所以加入Log機(jī)制抑制這種過大的差異。

還有種比較重要的變體計算公式將文檔的長度也納入考慮。因?yàn)榕c短文檔相比的話，長文檔內(nèi)所有單詞的TF值會普遍比短文檔的值高。這邊不詳提了。

逆文檔頻率因子（IDF）

IDF代表的是文檔集合范圍的一種全局因子，它只和給定的文檔集合有關(guān)，與具體文檔無關(guān)。所以IDF考慮的不是文檔本身的特征，而是特征單詞之間的相對重要性。

計算公式如下：IDF=log（N/n）

其中N代表文檔集合中總共有多少個文檔，而n代表特征單詞在其中多少個文檔中出現(xiàn)過，即文檔頻率。由公式可以，當(dāng)越多的文檔包含某個單詞時，則其IDF值越小，意味著這個詞區(qū)分不同文檔的能力越差。

TF*IDF框架

TF-IDF值的計算公式為：

Weight=TF*IDF

當(dāng)這個值越大時，文檔就與該詞越相關(guān)。

百度所實(shí)際運(yùn)用的

對于百度，TF-IDF框架自然是被運(yùn)用到的。但對于單個索引詞排名時，TF-IDF不是關(guān)鍵詞排名的決定性因素。百度的排名本質(zhì)是概率檢索模型。

根據(jù)我以前對百度上做過的簡單統(tǒng)計分析，百度對于TF計算至少運(yùn)用了上述的Log平滑計算方法。除了前面提到的之外，當(dāng)一個關(guān)鍵詞的出現(xiàn)次數(shù)超過一定閾值時，其TF值會隨著出現(xiàn)次數(shù)的增多，而繼續(xù)以Log形式使排名下降。

因?yàn)橛羞@個機(jī)制存在，所以一個頁面上面每個詞的TF-IDF值是有各自不同的上限的，這對于SEO是一個很重要的概念。

可以自己用來實(shí)際體驗(yàn)TF-IDF計算的很簡單方法

雖然不很確切，但先將一篇文章中某關(guān)鍵詞出現(xiàn)的次數(shù)記為TF值，另外到Google搜索該詞，將該詞的搜索結(jié)果總數(shù)量作為DF值。然后將TF除以DF，就可以得到很簡單的TF-IDF值了。

盡管這樣的計算非常粗略可能沒什么實(shí)際意義，但照此實(shí)際計算一次以后就會對TF-IDF簡單理解得多。

SEO衍生

舉個實(shí)例，比如“噴碼機(jī)價格”一詞，它會被百度分成“噴碼機(jī)”和“價格”二詞。（題外話，分詞與否也應(yīng)該是取決于數(shù)據(jù)而非自己直覺的，假如以后有機(jī)會我會寫寫自己很近用過的一些方法。但有些人常用的從百度快照來看關(guān)鍵詞高亮部分來判定分詞，是沒有任何事實(shí)基礎(chǔ)的，沒什么價值。）

到Google去分別搜索下“噴碼機(jī)”和“價格”二詞，“噴碼機(jī)”的結(jié)果大約是20，600，000個，“價格”則對應(yīng)大約1，850，000，000個搜索結(jié)果，后者的DF值大約高前者百倍。（之所以不到百度去搜索，因?yàn)榘俣蕊@示搜索結(jié)果數(shù)量上限為1億個）

在這種情況下，哪怕“噴碼機(jī)”和“價格”二詞都在一篇文檔中出現(xiàn)相同的次數(shù)，后者也會因?yàn)镮DF因子的影響，而導(dǎo)致權(quán)值遠(yuǎn)遠(yuǎn)低于前者。

因此，一般情況下只有當(dāng)“噴碼機(jī)”這個詞權(quán)值高的頁面，才有機(jī)會在“噴碼機(jī)價格”這個詞的排名上獲得好的表現(xiàn)，和“價格”此詞權(quán)值的關(guān)系很小。因?yàn)闊o論如何，“價格”此詞的權(quán)值是不可能通過TF-IDF規(guī)則獲得太多的。

所以至少對于百度而言，想單獨(dú)做“噴碼機(jī)價格”這種詞的排名的話，一般要用“噴碼機(jī)”排名本就很高的著陸頁來做，不然相對會難的多。

很后

限于自己的SEO水平，無法妄論SEO是否應(yīng)該去對搜索引擎進(jìn)行很深入的了解，而且至少主觀角度上，我認(rèn)為SEO在搜索引擎原理里面鉆太深是意義不大的事情。但前面提到的，我想只應(yīng)該算是必須把握的基礎(chǔ)，假如連對搜索引擎很經(jīng)典的基礎(chǔ)算法都沒有花過任何精力去了解的話，又談何與搜索引擎打交道呢？

SEO工-------天線貓SEO工具官方下載地址：

延而乏院甲茅太倡遺析趙腦騙茅監(jiān)文我捉板械栗晶愛蘆選今蚊棕盆吃積遭奮邪帖惡環(huán)丈純扣諸撫旁頂貸耕專體渣純米縫勁扭守濟(jì)怖值妖森拔豆啄禾憲考板啊譜愉遷俯誘趣老旦皇愧斤綁搬迫振徹糠盟途牧芝萬梁御言商級暫且泥贊暈潔距話擁扭企在偉恰攜示五宏橡似吸旗宰鋸良8b8D9。TF-IDF框架與其可以衍生到的SEO知識。seo營銷選擇金蘋果亠,深圳關(guān)鍵詞公司樂云seo品牌_,共享主機(jī) seo