本發(fā)明涉及語義網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及一種基于領(lǐng)域離散度算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化。

背景技術(shù)：

搜索引擎已成為廣大網(wǎng)民獲取信息的一個重要工具。搜索引擎優(yōu)化(Search Engine Optimization，簡稱SEO)是指采用相關(guān)技術(shù)對網(wǎng)站進(jìn)行一系列優(yōu)化，從而提高相應(yīng)關(guān)鍵詞在搜索引擎上的排名，最終達(dá)到網(wǎng)站營銷的目的。SEO歸根結(jié)底是關(guān)鍵詞的優(yōu)化。關(guān)鍵詞優(yōu)化策略一般包括關(guān)鍵詞的選擇、關(guān)鍵詞的分布及密度控制等等，關(guān)鍵詞是用戶在搜索相關(guān)頁面時使用的單詞或短語，也是搜索引擎在建立索引表要使用的單詞。利用關(guān)鍵詞有助于獲得較高的搜索引擎查詢排名，要注意關(guān)鍵詞研究旨在找出最有價值的關(guān)鍵詞。這些是搜索引擎優(yōu)化的基本概念，有助于提高搜索引擎排名。在研究網(wǎng)絡(luò)搜索關(guān)鍵詞搜索量數(shù)據(jù)與相關(guān)問題的關(guān)系時，選擇哪些關(guān)鍵詞是首先要解決的關(guān)鍵問題，閱讀文獻(xiàn)，筆者發(fā)現(xiàn)，對于關(guān)鍵詞的選取大多憑借經(jīng)驗(yàn)和主觀因素，也沒有一個完善的機(jī)制來管理關(guān)鍵詞優(yōu)化策略和進(jìn)度。為使關(guān)鍵詞的選取更具科學(xué)性和客觀性，基于上述需求，本發(fā)明提供了基于領(lǐng)域離散度算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)。

技術(shù)實(shí)現(xiàn)要素：

針對于關(guān)鍵詞優(yōu)化實(shí)現(xiàn)搜索引擎優(yōu)化的技術(shù)問題，本發(fā)明提供了一種基于領(lǐng)域離散度算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化。

為了解決上述問題，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

步驟1：根據(jù)企業(yè)業(yè)務(wù)確定核心關(guān)鍵詞，利用搜索引擎搜集相關(guān)關(guān)鍵字，這些關(guān)鍵字在搜索引擎中有相應(yīng)數(shù)據(jù)項，如本國每月搜索量、競爭程度和估算每次點(diǎn)擊費(fèi)用(CPC)等

步驟2：結(jié)合企業(yè)產(chǎn)品和市場分析，篩選降維上述搜索到的相關(guān)關(guān)鍵字集合；

步驟3：針對篩選降維后的關(guān)鍵詞集合，通過搜索引擎搜索關(guān)鍵詞對應(yīng)的頁面，這里記錄首頁網(wǎng)頁數(shù)和總搜索頁面數(shù)，即每個關(guān)鍵詞由五維向量再降維為四維的。

步驟4：利用基于領(lǐng)域離散度算法，對上述關(guān)鍵詞進(jìn)行聚類處理，其具體子步驟如下：

步驟4.1：利用基于ε領(lǐng)域的k-means算法初始化簇。

步驟4.2：初始化每一個領(lǐng)域離散度函數(shù)L(S²)^start，從數(shù)據(jù)對象集合D中按下述判定條件選擇k個初始簇中心。

步驟4.3：對每類關(guān)鍵詞i(i∈(1，2，…，m))進(jìn)行重新分配，按概率函數(shù)p(i)選擇聚類中心j；

步驟4.4：根據(jù)判定函數(shù)Δ(S²)的結(jié)果，重新計算各簇中心；

步驟4.5：如果簇中心發(fā)生變化，則轉(zhuǎn)到步驟(2)，否則迭代結(jié)束，輸出聚類結(jié)果。

步驟5：根據(jù)企業(yè)具體情況，綜合關(guān)鍵詞效能優(yōu)化和價值率優(yōu)化，選擇合適的關(guān)鍵詞優(yōu)化策略達(dá)到網(wǎng)站優(yōu)化目標(biāo)。

本發(fā)明有益效果是：

1，此算法可以精簡關(guān)鍵詞分析流程，進(jìn)而減少整個網(wǎng)站優(yōu)化工作量。

2，此算法的運(yùn)行時間復(fù)雜度低，處理速度更快。

3、此算法具有更大的利用價值。

4、能幫助網(wǎng)站在短時間內(nèi)快速提升其關(guān)鍵詞的排名。

5、為企業(yè)網(wǎng)站帶來一定的流量和詢盤，從而達(dá)到理想的網(wǎng)站優(yōu)化目標(biāo)。

6、此算法分類結(jié)果的準(zhǔn)確度更符合經(jīng)驗(yàn)值；

7、此算法更簡便有效。

附圖說明

圖1基于領(lǐng)域離散度算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化結(jié)構(gòu)流程圖

圖2基于領(lǐng)域離散度算法在聚類分析中的應(yīng)用流程圖

具體實(shí)施方式

為了解決關(guān)鍵詞優(yōu)化實(shí)現(xiàn)搜索引擎優(yōu)化的技術(shù)問題，結(jié)合圖1-圖2對本發(fā)明進(jìn)行了詳細(xì)說明，其具體實(shí)施步驟如下：

步驟1：根據(jù)企業(yè)業(yè)務(wù)確定核心關(guān)鍵詞，利用搜索引擎搜集相關(guān)關(guān)鍵字，這些關(guān)鍵字在搜索引擎中有相應(yīng)數(shù)據(jù)項，如本國每月搜索量、競爭程度和估算每次點(diǎn)擊費(fèi)用(CPC)等。

步驟2：結(jié)合企業(yè)產(chǎn)品和市場分析，篩選降維上述搜索到的相關(guān)關(guān)鍵字集合；

步驟3：針對篩選降維后的關(guān)鍵詞集合，通過搜索引擎搜索關(guān)鍵詞對應(yīng)的頁面，這里記錄首頁網(wǎng)頁數(shù)和總搜索頁面數(shù)，即每個關(guān)鍵詞由五維向量再降維為四維的，其具體計算過程如下：

這里相關(guān)關(guān)鍵詞個數(shù)為m，既有下列m×5矩陣：

N_i、Ld_i、CPC_i、N_is、N_iY依次為第i個關(guān)鍵詞對應(yīng)的本國每月搜索量、競爭程度、估算每次點(diǎn)擊費(fèi)用(CPC)、首頁網(wǎng)頁數(shù)、總搜索頁面數(shù)。

再降維為四維，即

X_{i∈(1，2，…，m)}為搜索效能，Z_{i∈(1，2，…，m)}為價值率，即為下式：

步驟4：利用基于領(lǐng)域離散度算法，對上述關(guān)鍵詞進(jìn)行聚類處理，其具體子步驟如下：

步驟4.1：利用基于ε領(lǐng)域的k-means算法初始化簇。

步驟4.2：初始化每一個領(lǐng)域離散度函數(shù)L(S²)^start，從數(shù)據(jù)對象集合D中按下述判定條件選擇k個初始簇中心，其具體計算過程如下：

上式N_ε為ε領(lǐng)域內(nèi)數(shù)據(jù)對象的個數(shù)，x_ih為ε領(lǐng)域內(nèi)數(shù)據(jù)對象所對應(yīng)的向量，y_ih為ε領(lǐng)域內(nèi)對應(yīng)的簇中心數(shù)據(jù)對象向量。

利用判定條件，如下：

L(S²)^start＞ω

ω為設(shè)定好的閾值，只有滿足這個閾值，初始化的k個簇準(zhǔn)確度更高。

步驟4.3：對每類關(guān)鍵詞i(i∈(1，2，…，m))進(jìn)行重新分配，按概率函數(shù)p(i)選擇聚類中心j，其具體計算過程如下：

y_jh為第j類簇中心數(shù)據(jù)對象向量，α為平滑系數(shù)，使概率函數(shù)p(i)值越大，就選擇對應(yīng)的簇中心j，即有下式：

令則

步驟4.4：根據(jù)判定函數(shù)Δ(S²)的結(jié)果，重新計算各簇中心，其具體計算過程如下：

判定函數(shù)Δ(S²)：

Δ(S²)＝L(S²)^new-L(S²)^old＞0

上式L(S²)^new為新的領(lǐng)域離散度函數(shù)，L(S²)^old為上一次迭代得出的領(lǐng)域離散度函數(shù)。只有滿足上式判定條件，即簇中心發(fā)生變化。

步驟4.5：如果簇中心發(fā)生變化，則轉(zhuǎn)到步驟(2)，否則迭代結(jié)束，輸出聚類結(jié)果。

基于領(lǐng)域離散度算法的具體結(jié)構(gòu)流程如圖2。

步驟5：根據(jù)企業(yè)具體情況，綜合關(guān)鍵詞效能優(yōu)化和價值率優(yōu)化，選擇合適的關(guān)鍵詞優(yōu)化策略達(dá)到網(wǎng)站優(yōu)化目標(biāo)。

基于領(lǐng)域離散度算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化，其偽代碼過程

輸入：網(wǎng)站提取的核心關(guān)鍵詞，基于ε領(lǐng)域初始化簇，初始化領(lǐng)域離散度函數(shù)L(S²)^start

輸出：一系列優(yōu)化后的高質(zhì)量關(guān)鍵詞。