TF-IDF算法解释

　　Google早已应用TF-IDF做为內容排行要素较长一段时间，由于百度搜索引擎好像更关心专业术语頻率而不是而不是测算关键词。尽管优化算法的视觉效果多元性很有可能会让很多人心寒，但关键的是要了解到了解TF-IDF并并不像了解它怎样工作中那麼关键。

　　百度搜索引擎应用TF-IDF来能够更好地了解被小看的內容。比如，假如您想在Google上检索“可口可乐公司”一词，Google就可以明确文章标题为“COKE”的网页页面是有关：

　　a)可口可乐公司。 b)可卡因 c)源于石油水蒸气蒸馏的固态富碳残留物 d)得克萨斯州的一个县

　　文中的目地是根据TF-IDF的不明主题风格具体指导全部內容编写人和SEO权威专家。根据能够更好地掌握Google怎样运用此优化算法，內容编写人能够 对TF-IDF开展反向工程，进而网站优化內容，使其能够更好地适用客户和百度搜索引擎。而且SEO能够 将其作为检索具备高些搜索指数和相对性较低市场竞争的关键词的专用工具。

　　TF-IDF是啥?

　　TF-IDF是一种信息搜索技术性，它对专业术语的頻率(TF)和逆文本文档頻率(IDF)开展权重计算。每一个英语单词或专业术语都是有其分别的TF和IDF成绩。专业术语的TF和IDF评分的相乘称之为该专业术语的TF-IDF权重值。

　　简单点来说，TF-IDF评分(净重)越高，该专业术语越少见，相反也是。

　　TF-IDF优化算法用以衡量一切內容中的关键词，并依据该关键词在文本文档中发生的频次特定该关键词的必要性。更关键的是，它会查验关键词在全部互联网中的有关水平，即说白了的词库。

　　针对专业术语吨在文本文档d，净重净重%，d的文档中专业术语d t根据下式得出：

　　Wt，d = TFt，d log(N / DFt)

　　哪儿：

　　TFt，d是文本文档d中t的发生频次。

　　DFt是包括专业术语t的文本文档数。

　　N是词库中的文本文档数量。

　　行吧。假如您觉得头疼，请不要慌乱。

　　使我们更实际地界定它。

　　TF-IDF界定

　　英语单词的TF(专业术语頻率)是文本文档中英语单词的頻率(即它发生的频次)。如果你了解它时，你也就能够 见到你应用的专业术语是过多或是太少。

　　比如，当一个100字的文本文档包括12次“cat”这个词时，“cat”这个词的TF便是

　　TFcat = 12/100即0.12

　　英语单词的IDF(逆文本文档頻率)是该专业术语在全部词库中的关键水平的衡量。

　　比如，假定专业术语“cat”在10,000,000,000文本文档尺寸的词库(即web)中发生x次。假定有三十万个文本文档包括专业术语“cat”，那麼IDF(即log {DF})由文本文档数量(10,000,000)除于包括专业术语“cat”的文本文档总数(300,000) )。

　　IDF(cat)= log(10,000,000 / 300,000)= 1.52

　　∴Wcat=(TF * IDF)cat = 0.12 * 1.52 = 0.182

　　即然你要出了这一(是吧?)，使我们讨论一下这对你有哪些好处呢。

　　怎么使用TF-IDF获利

　　搜集语句。写出你的內容，为您的英语单词运作TF-IDF汇报并获得其权重值。标值权重越高，此项越少。净重越小，该专业术语越普遍。较为全部具备高TF-IDF权重值的专业术语两者之间在Web上的搜索指数。挑选搜索指数较高，市场竞争比较慢的客户。

　　一个好的工作经验规律是，您的內容对客户“更有意义”越多，百度搜索引擎分派的权重值就越大。针对內容中TF-IDF较高的单词，您的內容将自始至终坐落于百度搜索中，因而您能够 ：

　　不要担心应用停用词，取得成功检索具备高些搜索指数和更低竞争能力的语汇，

　　请保证 应用能使您的內容与客户有关且与客户有关的英语单词等。