seo算法学习|什么是TF-IDF算法在seo优化中怎么运用？-易企推科技

百度seo算法学习|什么是TF-IDF算法在seo优化中怎么运用？

百度seo算法学习，什么是TF-IDF算法在seo优化中怎么运用？TF-IDF算法是一种统计算法，用于对检索的加权。简单的讲其作用是评估一字词对于一个文件的重要程度。

在SEO的衍生应用中，我们可以这么去理解上面这段话：在一个公司里，有10个SEOer，每个人都写了一篇关于SEO的文章，并且把这些文章都放在了一个文档集里。我们可以预料到的是，基本每篇文章中都会重复多次出现SEO这个词，意味着这十篇文章都与SEO有关。现在我要查找一篇关于网站权重的SEO文章。那么我会在搜索引擎中输入“SEO 网站权重”。

最终我找到两篇同时出现了这两个词的文章，第一篇里面出现了2次“网站权重”和10次“SEO，另一篇出现了10次“网站权重”和2次“SEO”。现在的问题是：抛开作者的素质(网站整体权重)、文章质量(页面权重)、公司内专家的推荐(高质量外链)以及其他种种因素的影响后，谁的文章应该排在搜索结果的前面?

带着这个问题，我们来学习TF-IDF算法以及TF-IDF算法在SEO中衍生的应用。

TF-IDF的核心概念

如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。

同时，如果一篇文章中出现了我们要查询的词，我们就会认为该文章与我们要查的词有比较大的相关性。延续这种思路，就是如果一篇文档中出现要查询的词的次数越多，该文章与要查询的词之前的相关性应该越大。

我们在以往的SEO工作中，运用到的关键词密度技术，基于的就这个TF原理。

那么我们在TF-IDF算法中，先定义一个TF(t,d)表示词语t在文章d中的出现次数。

我们可以通过关键词密度查询工具来查询TF值：

但仅仅考虑词出现的次数是不行的，因为常常我们查询的都是两个以上的词，比如“AA BB”或者“XX YY ZZ”等形式。如果是这种形式的查询，哪个词出现的次数应该做为重要性的依据呢?这就引出了IDF来测量词的稀缺度，这里我们定义IDF为IDF(t) = log(N / DF(t))。其中：

DF(t)：该词(以t为代表)在多少篇文章中出现过。查询办法是通过google搜索某一个词t，得到的搜索结果我们可以理解DF(t)。

N：总文章数。这个数值在我们SEO工作中没有什么实际的用处，因为我们不可能知道搜索引擎索引了多少文章。但是对于搜索引擎来说，N却是一个判定词权重的数据。

log：这个也不是我们SEO工作中需要考虑的数值，一般而言，log的底数可以随便设定。一般而言，我们采用+1的方式来抑制上述“网站权重 SEO”例子中第二篇出现10次“网站权重”的文章比第一篇出现2次“网站权重”的文章重要5倍的夸张情况出现。