热压机厂家
免费服务热线

Free service

hotline

010-00000000
热压机厂家
热门搜索:
行业资讯
当前位置:首页 > 行业资讯

小议SEO数据分析III保护词库

发布时间:2020-07-24 11:23:11 阅读: 来源:热压机厂家

前言

具体上一篇SEO数据分析文章已隔了很久了,今天有个朋友网上问我,有了词库怎样保护。正好借这个机会谈谈这个问题。 在获得到大量关键词后,首先要对这些词进行处理,在我实际工作中,总结以下几个项目我做过或觉得有必要做的事情。

提取实体(通俗点讲就是找关键词中的重点词)

去重

受控词表

分类

提取实体

提取实体的概念就是找关键词中的重点词。比如 北京温泉哪里好,那这个词中的北京 和温泉这两个词是重点,哪里好只是一个疑问词,对主题描写帮助相对比较小。因而我们就需要通过一些技术手段,对关键词进行处理,把中间重要的关键词(实体)取出来。

先看看下面的关键词

可以仔细视察一下二者的不同。这边算法有很多种实现方法,鉴于从SEO的角度动身,我们对精确度和召回率的要求,一般都比较低。从0%到80%要花费的心思,可能还没从80%~100%要花费的心思多。并且不同行业的,会有稍微不同的做法。因而我采取以下两个方法

1.根据词性删除停词符号(多删一些不要紧)

2.根据tf-idf过滤高频词(什么是tf-idf请自行脑补)

这边说说分词算法,很多学术派研究了一大堆中文分词算法,但实际应用起来差别很小。这边随意推荐几个,根据自己会的语言使用。

ICTCLAS pir/downloads 语言:JavaC#

CRF++ urcefe/ 语言: C#

SCWS xunsearch/scws/ 语言: PHP

JIEBA s://thon/pypi/jieba/ 语言:Python

分词也是一门大学问,有兴趣可以看看CRFHMM等模型的逻辑。这边就不展开讲了。

分词关键的问题是要速度快,并且可以自定义词库。由于我用的是JIEBA,这方面都能支持。具体可以看看作者个github中的说明s://github/fxsjy/jieba/blob/master/

分词后根据词性,排除掉停词,就获得到了我们想要的结果集合。

过滤高频词。JIEBA可以对全部文本提取tf-idf值高的词。这些词是核心,肯定不可以去掉。

然后根据分词结果获得到tf值高的词,进行人工审核一下,以我们旅游行业词库为例,地名是常常出现的词,tf值可能会非常高,但是绝对不能把它去掉。所以我们需要先准备一份中国地名/景点名词库,这个可以在网上搜索下,懒人可以直接用搜狗输入法的词库。

然后高频词中还有可能会出现的词,可能为7月,8月,大全,线路等等。这些词也可以斟酌把它从实体词中踢除。

经过这几轮检查,基本就差不多了,再要精度可以再自行研究。肯定有人问,你折腾了这么久,有甚么用?这边只能点到为止。

1.内容关联

2.自动tagging

3.提高站内检索精度

去年到今年搜房和安居客的SEO可以体会一下。

去重

提取实体后,就可以对关键词进行去重。

例如

?1

2

3海南旅游多少钱

海南旅游要多少钱

处理后

?1

2

3海南|旅游

海南|旅游

就可以进行去重了。上面着两个个词,还可以通过实体相同的方法来解决。但是有一些关键词,比如马尔代夫和马代,长城和八达岭,用户可以是指一个地方,我们应当怎样处理这些词。我们就需要下面这么一个东西受控词表

受控词表

受控词表,就是一种控制辞汇含义,并且跟踪其相干词的方法。回到上面的例子,如果你搜索八达岭的时候,不能把长城的内容展现出来,相信用户早就跑光了。

受控词表主要有以下3大关系:等价,层级,关联

等价很好理解,比如马尔代夫和马代,那是等价关系,这类词可以说就是一个意思,权值是最高的。在内容推荐中一定要出现出来。

层级有上下级之分,比如夫子庙是南京景点大全的下级词。大成殿又是夫子庙的下级词。在实际运用的时候,当用户在寻觅大成殿时,网站可以告知用户你位于夫子庙中间,并且推荐夫子庙周围还有些甚么好玩的东西,用户一定会非常喜欢。层级关系也是大部分网站都有的信息架构体系,从首页,到目录,到栏目。

关联,有点类似于等价,但是其实不完全相同,例如三亚跟团游,海口自助游,海南旅游 双飞。他们没有说明确的上下级关系,但是又不能说完全一样。这类词,我们可以把其作为有关联的东西。可以记录下来。另外,一些内容的自带的属性,比如高,富,帅,可以作为一个相干联的关键词,在内容推荐上更加满足用户的口味。

这边还要提一点,在工作中,我们发现了用户有时候会有一些特殊的辞汇来表达自己的需求,比如麻袋(谐音马代),或百撕不得骑姐这样该死的输入法错拼,这些关键词都需要寄存起来。

最后应该是这样的效果:

分类

对获得到的大量关键词,应当怎样去分类。首先可以依照意图进行分类,导航,信息,事务。(学习资料-知乎:zhihu/question/20905145)

这么做的好处是,可以快速知道把哪一类词,分给哪条产品线做。例如信息类的词,尽可能放到资讯,问答,产品库这样的频道。导航类的词,如果是自己品牌可以做,如果是竞争对手品牌,可以单独做频道。事务类的词,一般放在主力产品线上,页面上会有功能体现,比如添加到购物车,下载链接,在线预定等等。在一定程度上满足用户的需求,避免内容错位。比如这个 bus/tag/iphone6tieba/ iphone6贴吧。贴吧在哪?好歹给个链接地址吧。

除上面的分意图类法,下面讲讲从结合信息架构中的分类方法。

先介绍一个人工分拣关键词的方法:卡片分拣。通过尝试,这的确是一种可以群策群力的分类方法。我们从马尔代夫的关键词词库中抽取了500个关键词,随机分配给

5个小组。每组把手头上的关键词进行自由分组,并且自行命名组名。然后再会聚5个小组的组名,这样我们就肯定了大约10个小分类,并且找到了一些之前单枪匹马没有想到的内容。

最后的情况大致上

有了分类,我们在网页结构组织上,可以更加有的放矢。具体可以看看niu的左边分类,实际操作过程中,我们也有一定的挑选和层级控制斟酌。例如货币,语言,气候,都可以归入介绍里面。关于这个页面我们也很少去做外部链接,内容也只是无数目的地中的一个,不可能有很多人力盯着这个栏目,但是专心做用户喜欢的内容,这个频道的表现还是相当不错的。

这时候如何构建内容,就非常清晰了,直接从词库中找关键词然后写内容就可以,总比成天写马尔代夫报价,马尔代夫旅游报价等无价值文章,做所谓的核心词表现要好很多。

我们只是分了500个关键词,词库中还有上万的待分类马尔代夫的关键词,随着时间的推移,新加入的关键词也会愈来愈多。可以机器可以使用机器学习的方法来做。这边本人也还在研究学习中,写出来怕贻笑大方,抛砖引玉一下,使用决策树,根据已有卡片分拣的关键词作为训练文档,根据受控词表中的元数据包括与否作为特点,生成决策树,以便于进行自动分类。

总结

1.算法不是问题,关键是合适自己行业词库,至于词库怎样来,方法实在太多,可以看我另外一篇文章中说的 imyexi/?p=708 关键词发掘部份

2.词与词之间的关系,是内容推荐,内容运营中的利器,一样也提升了用户体验,这边不能不吐槽下,用户体验是需要技术的,不是喊喊口号。

3.本来想写兴趣点发掘,后来一想词库中的每一个词都是兴趣点,只要控制好词库的更新,兴趣点不是问题。

4.有了思路,履行力也很重要。词库属于网站内容底层基础,弄好这个,后面可以避免很多重复劳动和无用功。(被坑得深有体会)

5.本人非科班出身,很多技术术语,名词解释,全凭自己学习理解,有毛病请指正学习。

延伸浏览:小议SEO的数据分析I-开头收录部份小议SEO的数据分析:如何改良网站收录

银川癫痫病医院哪家好

如何检查癫痫

成都治疗癫痫病多少钱