發(fā)布于 2018-01-04 11:11:40 726次瀏覽,夜息：SEO是一個很沒節(jié)操的工作
, 原夜息標(biāo)題：小議SEO數(shù)據(jù)分析III – 維護詞庫（完工）,
, 具體上一篇SEO數(shù)據(jù)分析文章已經(jīng)隔了很久了，今天有個朋友網(wǎng)上問我，有了詞庫怎么維護。正好借這個機會談?wù)勥@個問題。 在獲取到大量關(guān)鍵詞后，首先要對這些詞進行處理，在我實際工作中，總結(jié)以下幾個項目我做過或者覺得有必要做的事情。,
,提取實體(通俗點講就是找關(guān)鍵詞中的重點詞),1、去重,2、受控詞表,3、分類,4、提取實體,
,提取實體的概念就是找關(guān)鍵詞中的重點詞。比如 “北京溫泉哪里好”，那這個詞中的”北京 “和”溫泉”這兩個詞是重點，”哪里好”只是一個疑問詞，對主題描述幫助相對比較小。于是我們就需要通過一些技術(shù)手段，對關(guān)鍵詞進行處理，把中間重要的關(guān)鍵詞（實體）取出來。,
,先看看下面的關(guān)鍵詞,
, 處理前, 處理后,可以仔細(xì)觀察一下兩者的不同。這邊算法有很多種實現(xiàn)方法，鑒于從SEO的角度出發(fā)，我們對精確度和召回率的要求，一般都比較低。從0%到80%要花費的心思，可能還沒從80%~100%要花費的心思多。并且不同行業(yè)的，會有略微不同的做法。于是我采取以下兩個方法,
,1.根據(jù)詞性刪除停詞符號(多刪一些不要緊),2.根據(jù)tf-idf過濾高頻詞(什么是tf-idf請自行腦補),
,這邊說說分詞算法，很多學(xué)術(shù)派研究了一大堆中文分詞算法，但實際運用起來差別很小。這邊隨便推薦幾個，根據(jù)自己會的語言使用。,
,ICTCLAS http://ictclas.nlpir.org/downloads 語言:Java,C#,CRF++ http://crfpp.sourceforge.net/ 語言: C#,SCWS http://www.xunsearch.com/scws/ 語言: PHP,JIEBA https://pypi.python.org/pypi/jieba/ 語言:Python,
,分詞也是一門大學(xué)問，有興趣可以看看CRF,HMM等模型的邏輯。這邊就不展開講了。,
,分詞關(guān)鍵的問題是要速度快，并且可以自定義詞庫。由于我用的是JIEBA，這方面都能支持。具體可以看看作者個github中的說明https://github.com/fxsjy/jieba/blob/master/README.md,
,分詞后根據(jù)詞性，排除掉”停詞”，就獲取到了我們想要的結(jié)果集合。,
,過濾高頻詞。JIEBA可以對整個文本提取tf-idf值高的詞。這些詞是核心，肯定不可以去掉。,
,然后根據(jù)分詞結(jié)果獲取到tf值高的詞，進行人工審核一下，以我們旅游行業(yè)詞庫為例，地名是經(jīng)常出現(xiàn)的詞，tf值可能會非常高，但是絕對不能把它去掉。所以我們需要先準(zhǔn)備一份中國地名/景點名詞庫，這個可以在網(wǎng)上搜索下，懶人可以直接用搜狗輸入法的詞庫。,
,然后高頻詞中還有可能會出現(xiàn)的詞，可能為”7月”，”8月”，”大全”，”線路”等等。這些詞也可以考慮把它從實體詞中踢除。,
,經(jīng)過這幾輪檢查，基本就差不多了，再要精度可以再自行研究?？隙ㄓ腥藛?，你折騰了這么久，有什么用？這邊只能點到為止。,
,1.內(nèi)容關(guān)聯(lián),2.自動tagging,3.提高站內(nèi)檢索精度,
,去年到今年搜房和安居客的SEO可以體會一下。,
,去重,
,提取實體后，就可以對關(guān)鍵詞進行去重。,
,例如,
,
,
,
, 處理后,
,
,
,
,就可以進行去重了。上面著兩個個詞，還可以通過實體相同的方法來解決。但是有一些關(guān)鍵詞，比如”馬爾代夫”和”馬代”，”長城”和”八達嶺”，用戶可以是指一個地方，我們應(yīng)該怎么處理這些詞。我們就需要下面這么一個東西“受控詞表”,
, 受控詞表,
,受控詞表，就是一種控制詞匯含義，并且跟蹤其相關(guān)詞的方法?；氐缴厦娴睦樱绻闼阉鳌卑诉_嶺”的時候，不能把長城的內(nèi)容展現(xiàn)出來，相信用戶早就跑光了。,受控詞表主要有如下三大關(guān)系：等價，層級，關(guān)聯(lián),等價很好理解，比如馬爾代夫和馬代，那是等價關(guān)系，這類詞可以說就是一個意思，權(quán)值是最高的。在內(nèi)容推薦中一定要呈現(xiàn)出來。,
,層級有上下級之分，比如“夫子廟”是”南京景點大全”的下級詞?！贝蟪傻睢庇质恰狈蜃訌R”的下級詞。在實際應(yīng)用的時候，當(dāng)用戶在尋找”大成殿”時，網(wǎng)站可以告訴用戶你位于”夫子廟”中間，并且推薦夫子廟周圍還有些什么好玩的東西，用戶一定會非常喜歡。層級關(guān)系也是大部分網(wǎng)站都有的信息架構(gòu)體系，從首頁，到目錄，到欄目。,
,關(guān)聯(lián)，有點類似于等價，但是并不完全相同，例如”三亞跟團游”，”?？谧灾巍?，”海南旅游 雙飛”。他們沒有說明確的上下級關(guān)系，但是又不能說完全一樣。這類詞，我們可以把其作為有關(guān)聯(lián)的東西?？梢杂涗浵聛怼４送猓恍﹥?nèi)容的自帶的屬性，比如高，富，帥，可以作為一個相關(guān)聯(lián)的關(guān)鍵詞，在內(nèi)容推薦上更加滿足用戶的口味。,
,這邊還要提一點，
在工作中，我們發(fā)現(xiàn)了用戶有時候會有一些特殊的詞匯來表達自己的需求，比如”麻袋”（諧音馬代），或者”百撕不得騎姐”這樣該死的輸入法錯拼，這些關(guān)鍵詞都需要存放起來。,夜息：數(shù)據(jù)驅(qū)動SEO，如何改善網(wǎng)站收錄
,最后應(yīng)該是這樣的效果：,
,
, 分類,
,對于獲取到的大量關(guān)鍵詞，應(yīng)該怎么去分類。首先可以按照意圖進行分類， 導(dǎo)航， 信息， 事務(wù)。（學(xué)習(xí)資料-知乎：http://www.zhihu.com/question/20905145）,
,這么做的好處是，可以快速知道把哪一類詞，分給哪條產(chǎn)品線做。例如信息類的詞，盡量放到資訊，問答，產(chǎn)品庫這樣的頻道。導(dǎo)航類的詞，如果是自己品牌可以做，如果是競爭對手品牌，可以單獨做頻道。事務(wù)類的詞，一般放在主力產(chǎn)品線上，頁面上會有功能體現(xiàn)，比如”添加到購物車”，”下載鏈接“，”在線預(yù)定”等等。在一定程度上滿足用戶的需求，避免內(nèi)容錯位。比如這個 http://iphone.tgbus.com/tag/iphone6tieba/ “iphone6貼吧”。貼吧在哪？好歹給個鏈接地址吧。,
,除了上面的分意圖類法，下面講講從結(jié)合信息架構(gòu)中的分類方法。,
,先介紹一個人工分揀關(guān)鍵詞的方法：卡片分揀。通過嘗試，這的確是一種可以集思廣益的分類方法。我們從”馬爾代夫”的關(guān)鍵詞詞庫中抽取了500個關(guān)鍵詞，隨機分配給,
,5個小組。每組把手頭上的關(guān)鍵詞進行自由分組，并且自行命名組名。然后再匯聚5個小組的組名，這樣我們就確定了大約10個小分類，并且找到了一些之前單槍匹馬沒有想到的內(nèi)容。,
,最后的情況大致上,
,
, 有了分類，我們在網(wǎng)頁結(jié)構(gòu)組織上，可以更加有的放矢。具體可以看看maldives.tuniu.com的左側(cè)分類，實際操作過程中，我們也有一定的篩選和層級控制考慮。例如貨幣，語言，氣候，都可以歸入介紹里面。關(guān)于這個頁面我們也很少去做外部鏈接，內(nèi)容也只是無數(shù)目的地中的一個，不可能有很多人力盯著這個欄目，但是專心做用戶喜歡的內(nèi)容，這個頻道的表現(xiàn)還是相當(dāng)不錯的。,
,這時候如何構(gòu)建內(nèi)容，就非常清晰了，直接從詞庫中找關(guān)鍵詞然后寫內(nèi)容就可以，總比成天寫”馬爾代夫報價”，“馬爾代夫旅游報價”等無價值文章，做所謂的核心詞表現(xiàn)要好很多。,
,我們只是分了500個關(guān)鍵詞，詞庫中還有上萬的待分類馬爾代夫的關(guān)鍵詞，隨著時間的推移，新加入的關(guān)鍵詞也會越來越多?？梢詸C器可以使用機器學(xué)習(xí)的方法來做。這邊本人也還在研究學(xué)習(xí)中，寫出來怕貽笑大方，拋磚引玉一下，使用決策樹，根據(jù)已有卡片分揀的關(guān)鍵詞作為訓(xùn)練文檔，根據(jù)受控詞表中的元數(shù)據(jù)包含與否作為特征，生成決策樹，以便于進行自動分類。,
,總結(jié),
,1.算法不是問題，關(guān)鍵是適合自己行業(yè)詞庫，至于詞庫怎么來，方法實在太多，可以看我另一篇文章中說的 http://www.imyexi.com/?p=708 關(guān)鍵詞挖掘部分,2.詞與詞之間的關(guān)系，是內(nèi)容推薦，內(nèi)容運營中的利器，同樣也提升了用戶體驗，這邊不得不吐槽下，用戶體驗是需要技術(shù)的，不是喊喊口號。,3.本來想寫興趣點挖掘，后來一想詞庫中的每個詞都是興趣點，只要控制好詞庫的更新，興趣點不是問題。,4.有了思路，執(zhí)行力也很重要。詞庫屬于網(wǎng)站內(nèi)容底層基礎(chǔ)，弄好這個，后面可以避免很多重復(fù)勞動和無用功。（被坑得深有體會）,5.本人非科班出生，很多技術(shù)術(shù)語，名詞解釋，全憑自己學(xué)習(xí)理解，有錯誤請指正學(xué)習(xí)。,
,來源：夜息博客 ,
,
,
,夜息系列文章：,
,零基礎(chǔ)學(xué)SEO難嗎？SEO大牛夜息現(xiàn)身說法 ,SEO數(shù)據(jù)采集小貼士 ,如何做好友情鏈接？ ,夜息：我的網(wǎng)站又被K了？怎么辦？ ,SEO是一個很沒節(jié)操的工作 ,數(shù)據(jù)驅(qū)動SEO，關(guān)鍵詞篩選與維護 ,數(shù)據(jù)驅(qū)動SEO，如何改善網(wǎng)站收錄 ,數(shù)據(jù)驅(qū)動SEO，夜息分析網(wǎng)站收錄影響因素 ,首頁內(nèi)鏈消除干擾的方法 ,夜息：從零開始快速建立SEO策略 ,夜息：TF-IDF（詞頻-逆文檔頻率）與關(guān)鍵詞排名問題 ,SEO之逆推搜索引擎的算法 ,夜息:SEO進階技能——計算機編程 ,轉(zhuǎn)載請注明: 愛推站 ? 夜息：數(shù)據(jù)驅(qū)動SEO，關(guān)鍵詞篩選與維護
|轉(zhuǎn)載請注明來源地址：蜘蛛池出租 http://www.wholesalehouseflipping.com/夜息：SEO數(shù)據(jù)采集小貼士
專注于SEO培訓(xùn)，快速排名黑帽SEO https://www.heimao.wiki