搜索引擎會給予每一個頁面一定的權重值，這個值也會隨著頁面的更新和時間地流逝而改變。
今天，小小課堂SEO自學網為大家?guī)淼氖恰禨EOer應善用索引創(chuàng)建過程中的加權方法》。希望對大家有所幫助。
一、索引創(chuàng)建中的權值
搜索引擎蜘蛛的爬行與抓取，頁面的收錄與索引，是一個頁面能夠在用戶搜索關鍵詞時能夠獲得展現(xiàn)的幾個基本步驟，其中索引創(chuàng)建中包含著對頁面內容本身的加權因素。
① 索引項權值概念
索引項的權值，在一定程度上反應了文檔中詞的相對重要性，這個值通常用于索引排序過程中計算分值，也就是影響搜索引擎排序的重要因素之一。
② 索引項權值怎么得來的？
索引項權值，是由檢索模式中的加權組件利用文檔統(tǒng)計結果來計算得出的。
③ 索引項加權方法
傳統(tǒng)的檢索模式中最常見的加權方法：TF-IDF算法。
二、TF-IDF算法
① TF-IDF算法定義
TF-IDF算法，基于索引項出現(xiàn)在一個文檔中的次數(shù)或頻率，以及索引項在整個文檔集合中出現(xiàn)的頻率，兩者的組合（或者說兩者的乘積）。
② TF-IDF算法中詞的解析
1）TF
次數(shù)和頻率稱之為詞頻，英文簡稱為tf。
2）IDF
索引項在整個文檔集合中出現(xiàn)的頻率，稱之為范文檔頻率，英文簡稱為idf。
③ TF-IDF算法的簡單說明
TFIDF的核心思想，是指某個詞或某個短語在一篇文檔中出現(xiàn)的頻率高，并且在索引庫的其他文檔中出現(xiàn)較少，就認為這個詞或短句有很好的類別區(qū)分能力，可以用來進行分類。
簡單來講，某個詞或某個短語就是索引詞，對于這篇文章而言，該詞項將被賦予較高的權值。
打個比方說，“TWNM-SEO”這個短語完全是小小課堂網提出的，在《全網營銷SEO【TWNM-SEO】這就是屬于我的網站優(yōu)化》一文中，這個短語出現(xiàn)的頻率非常高，同時，在此之前也沒有其他人提到過這個短語，那么對于這篇文檔來講，該詞項“TWNM-SEO”就被賦予了很高的權值。
三、理解并使用TF-IDF算法
對于SEOer來講，了解上面的知識已經足夠了，沒必要非得知道是用哪個函數(shù)，哪個公式算出來的結果。
其實，通過TF-IDF算法的學習，我們可以更好理解一些常識性的SEO知識。
① 品牌詞容易優(yōu)化
品牌詞一般是自己創(chuàng)造的，滿足TF值大，同時IDF值大，頁面加權高，自然排名很容易。
② 行業(yè)核心詞難優(yōu)化
無數(shù)網站都在優(yōu)化這同一個詞，然而首頁的位置卻是有限的，大家都滿足TF大，但同樣IDF越小，證明這個詞越難優(yōu)化。
這也就是平時在判斷關鍵詞優(yōu)化難度時，為什么將百度搜索的相關結果數(shù)作為優(yōu)化難度之一的原因。
③ 多挖掘沒有百度指數(shù)的關鍵詞-降低優(yōu)化難度
行業(yè)中有百度指數(shù)的詞，大家都在做優(yōu)化與排名，這樣的詞不光是競爭壓力大，可能還帶不來多少點擊。因為百度指數(shù)可能是100，真實用戶也許只有2個，另外的98個都是企業(yè)的競爭者們。
我們應該挖掘一些沒有百度指數(shù)的詞，但是需要這次保持一定的搜索量，這樣可以保證降低優(yōu)化難度的同時，帶來更多真實流量。
④ TF并不是萬能！過度堆積害處大！
根據(jù)TF-IDF算法，很多人會想，增加關鍵詞密度或頻率，以增加TF值，從而獲得更好的排名。然而，這種做法可以適當做，但超過一定度的話，沒什么好處，反而可能會因為過度堆積被搜索引擎降權！
所謂的2%~8%的關鍵詞密度只是個大概范圍，很多排名好的頁面很多都在2%一下，當然也有在8%以上的，只要密度不是過小，不必過度在乎這個。
舉個例子，已經是5%的密度了，非要故意堆積到8%，甚至百分之20%，就會變得非常沒有意義。這是對TF高的一種誤解。
也就是我們能夠根據(jù)TF-IDF算法中得到的啟發(fā)是不應該讓關鍵詞的密度或頻率（TF）過低，然而對于IDF來說，我們只能通過尋找IDF值高的關鍵詞來優(yōu)化，如果我們優(yōu)化的關鍵詞的IDF值本來就很低，我們也不能對其改變這個現(xiàn)狀，IDF值越低，證明這個詞在一定程度上就越難優(yōu)化。
所以，在網站優(yōu)化過程中，除了要做好頁面外，還需要關注內鏈與外鏈優(yōu)化。
四、TF-IDF算法公式
① TF公式
TF(i,j)：關鍵詞j在文檔i中的出現(xiàn)頻率。
n(i,j)：關鍵詞j在文檔i中出現(xiàn)的次數(shù)。
舉例來講：
一篇文章總共100個詞，其中“SEO培訓”一共出現(xiàn)了10詞，那么TF就是10/100，結果就是0.1。
然而，由于文章中會出現(xiàn)大量的“的”、“得”、“嗎”、“地”，不能正常反應文章的詞，所以，就得用IDF來做一個限制了。
② IDF公式
IDF(i)：詞語i的反文檔頻率
|D|：語料庫中的文件總數(shù)
|j:t(i)屬于d(j)|出現(xiàn)詞語i的文檔總數(shù)
+1是為了防止分母變0。
IDF就可以防止常用詞的干擾了。
還是剛才的例子：
一篇文章總共100個詞，其中“SEO培訓”一共出現(xiàn)了10詞，那么TF就是10/100，結果就是0.1。
另外“我們”一共出現(xiàn)了10詞，其TF結果也是0.1。
假設語料庫總共有1000篇文章，其中“SEO培訓”文章有10篇，“我們”文章有1000篇。
“SEO培訓”的IDF=log（1000/10）= 2
“我們”的IDF=log（1000/1000）= 0
③ TF-IDF公式
TF-IDF = TF*IDF
“SEO培訓”的TF*IDF=0.1*0=0
“我們”的TF*IDF=0.1*2=0.2
那么很顯然，對于這篇文章而言，“SEO培訓”比“我們”更加重要。
以上就是小小課堂SEO自學網為大家?guī)淼氖恰禨EOer應善用索引創(chuàng)建過程中的加權方法》。感謝您的觀看。SEO培訓認準小小課堂！更多seo教程搜索小小課堂。原創(chuàng)文章歡迎轉載并保留版權：https://www.xxkt.org/
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
