做為SEO行業(yè)老鳥應(yīng)該聽說過TF-IDF算法，TF-IDF算法屬于搜索引擎中的核心部分。TF-IDF算法是增加相關(guān)詞的覆蓋率，以及高優(yōu)布局關(guān)鍵詞密度，從而在百度谷歌等搜索引擎內(nèi)容質(zhì)量這一項上的排名加分，獲取超高分值。
最近在網(wǎng)上有幾篇TF-IDF算法原理及公式本文將深入為大家解析，有興趣請往下深度閱讀。
一，什么是TF-IDF
先來看百度百科對TF-IDF的解釋：
“TF-IDF是一種統(tǒng)計方法，用以評估一字詞對于一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正比增加，但同時會隨著它在語料庫中出現(xiàn)的頻率成反比下降。TF-IDF加權(quán)的各種形式常被搜索引擎應(yīng)用，作為文件與用戶查詢之間相關(guān)程度的度量或評級。”文章鏈接：https://baike.baidu.com/item/tf-idf
假如說我們在百度上搜索“水果”這個詞，百度爬蟲抓取的網(wǎng)站內(nèi)容有下面5個，你覺得哪個內(nèi)容排名第一？
內(nèi)容1：水果有水果，水果，水果，水果，水果
內(nèi)容2：水果有蘋果，桃子，西瓜，菠蘿，梨子
內(nèi)容3：蔬菜都很好吃，我最愛吃茄子了
內(nèi)容4：蘋果，梨子都是很好吃的水果
內(nèi)容5：好吃的水果有西瓜，蘋果，葡萄，其他水果還有菠蘿，獼猴桃
相信很多人心里面有了答案，大家憑直覺，內(nèi)容2跟內(nèi)容5應(yīng)該排名靠前，內(nèi)容5很可能是第1，內(nèi)容2是排名第2。
其實按照TF-IDF算法也能得出這個結(jié)論，那么TF-IDF是怎么做的，請大家跟上我的步伐。
二，TF-IDF算法的計算步驟
第1步：計算逆文檔頻率
我們先統(tǒng)計各個詞語被包含的文章數(shù)。比如“水果”被4篇文章（內(nèi)容1、2、4、5）引用，4就是“水果”的逆文檔頻率。
分詞后，各個單詞的逆文檔頻率如下：
水果=4、蘋果=3、好吃=2、菠蘿=2、西瓜=2、梨子=2，桃子=1、獼猴桃=1、蔬菜=1，茄子=1計算逆文檔頻率
PS:IDF=log(語料庫中的文件總數(shù)/包含詞語t的文件數(shù)目)，為了便于理解，這里做了精簡。
按照我們的直覺，如果一篇文章把逆文檔頻率最高的前面的詞都包含了，說明這篇文章內(nèi)容更貼合用戶意圖，更受到搜索引擎喜歡?；氐嚼?，"水果、蘋果"是本例中重要性最高的2個詞，如果內(nèi)容中包含“水果、蘋果”，那么這篇內(nèi)容質(zhì)量就越好。
所以把包含“水果、蘋果”的內(nèi)容拿出來，就是比較靠譜的內(nèi)容了：
內(nèi)容2：水果有蘋果，桃子，西瓜，菠蘿，梨子
內(nèi)容4：蘋果，梨子都是很好吃的水果
內(nèi)容5：好吃的水果有西瓜，蘋果，葡萄，其他水果還有菠蘿，獼猴桃
第2步：計算詞頻(TF)
我們把內(nèi)容1、內(nèi)容3砍掉了，剩下的內(nèi)容2、內(nèi)容4、內(nèi)容5怎么排序。我們想一下，一個詞語在內(nèi)容中出現(xiàn)的次數(shù)越高，也說明這個詞語對這篇文章更重要。回到本例，“水果”是我們的核心詞，那么因為內(nèi)容5中出現(xiàn)“水果”兩次，內(nèi)容2、內(nèi)容4次數(shù)是1，那么內(nèi)容5勝出。最后的排序結(jié)果如下
內(nèi)容5：好吃的水果有西瓜，蘋果，葡萄，其他水果還有菠蘿，獼猴桃（第一名）
內(nèi)容2：水果有蘋果，桃子，西瓜，菠蘿，梨子（第二名）
內(nèi)容4：蘋果，梨子都是很好吃的水果（第三名）
內(nèi)容1：水果有水果，水果，水果，水果，水果（相關(guān)度不夠，被剔除）
內(nèi)容3：蔬菜都很好吃，我最愛吃茄子了（相關(guān)度不夠，被剔除）
以上是砍了又砍的TF-IDF算法簡化解讀版，真實的TFIDF算法比這個要正規(guī)復(fù)雜很多，這里只是讓大家get到重點，目的就達(dá)到了。
TF-IDF對SEO非常重要！
TF-IDF對SEO非常非常非常重要，重要的事情說三遍！
我們可以看到，TFIDF算法，不僅可以衡量關(guān)鍵詞對頁面的重要性，更能衡量文章的廣度相關(guān)性。對于百度、360、google來說，TFIDF算法的出現(xiàn)屏蔽了一大批用關(guān)鍵詞密度來獲取排名的SEO小白，同時提升了搜索質(zhì)量啊，真是一箭雙雕。
百度百科里面說了：“除了TF-IDF以外，因特網(wǎng)上的搜索引擎還會使用基于鏈接分析的評級方法，以確定文件在搜尋結(jié)果中出現(xiàn)的順序。”。意思是什么？你排名可以由下面的公式?jīng)Q定。文章得分=TFIDF得分+鏈接得分，百度搜索引擎在用TFIDF！！
文章來源：公眾號SEO實戰(zhàn)營(ID：ilottecn)，原文鏈接：https://mp.weixin.qq.com/s/KyRpW5-10voYKaM4fNIdYg
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
