基于全局位置的模糊c均值聚类算法实现SEO技术制造技术

基于全局位置的模糊c均值聚类算法实现SEO技术，根据企业业务确定核心关键词，搜索关键词对应的数据项，如本国每月搜索量、竞争程度和估算每次点击费用

【技术实现步骤摘要】
基于全局位置的模糊c均值聚类算法实现SEO技术
本专利技术涉及语义网络
，具体涉及一种基于全局位置的模糊c均值聚类算法实现SEO技术。
技术介绍
搜索引擎已成为广大网民获取信息的一个重要工具。搜索引擎优化(SearchEngineOptimization，简称SEO)是指采用相关技术对网站进行一系列优化，从而提高相应关键词在搜索引擎上的排名，最终达到网站营销的目的。SEO归根结底是关键词的优化。关键词优化策略主要分为两个阶段:第一阶段为关键词的提取；第二阶段为关键词的插入。虽然搜索引擎优化理论已经很成熟，但是适合企业网站的搜索引擎优化还尚且起步阶段，对于关键词的选取大多凭借经验和主观因素，也没有一个完善的机制来管理关键词优化策略和进度。为使关键词的选取更具科学性和客观性，基于上述需求，本专利技术提供了基于全局位置的模糊c均值聚类算法实现SEO技术。
技术实现思路
针对于关键词优化实现搜索引擎优化的技术问题，本专利技术提供了一种基于全局位置的模糊c均值聚类算法实现SEO技术。为了解决上述问题，本专利技术是通过以下技术方案实现的：步骤1：根据企业业务确定核心关键词，利用搜索引擎搜集相关关键字，这些关键字在搜索引擎中有相应数据项，如本国每月搜索量、竞争程度和估算每次点击费用(CPC)等步骤2：结合企业产品和市场分析，筛选降维上述搜索到的相关关键字集合；步骤3：针对筛选降维后的关键词集合，通过搜索引擎搜索关键词对应的页面，这里记录首页网页数和总搜索页面数，即每个关键词由五维向量再降维为四维的。步骤4：基于全局位置的模糊c均值聚类算法，对上述关键词进行聚类处理，其具体子步骤如下：步骤4.1：利用基于ε领域的k-means算法初始化为c类。步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J，使其满足隶属的整个约束条件；步骤4.3：初始化每一个领域目标函数构建c类总目标函数综合隶属约束条件，构建m个方程组，对其进行求解，即可得聚类结果；步骤4.4：利用下式判定函数Δ(f)的结果，重新计算各簇中心；步骤4.5：如果簇中心发生变化，则转到步骤4.2，重新计算隶属矩阵J，否则迭代结束，输出聚类结果。步骤5：根据企业具体情况，综合关键词效能优化和价值率优化，选择合适的关键词优化策略达到网站优化目标。本专利技术有益效果是：1，此算法可以精简关键词分析流程，进而减少整个网站优化工作量。2，此算法的运行时间复杂度低，处理速度更快。3、此算法具有更大的利用价值。4、能帮助网站在短时间内快速提升其关键词的排名。5、为企业网站带来一定的流量和询盘，从而达到理想的网站优化目标。6、此算法设立了一个全局最优位置作为参考点，得到的结果准确度更高；7、此算法进行了数据处理，得到的结果可以降低人为误差；8、结合模糊c均值聚类算法，避免了聚类过早收敛。附图说明图1基于全局位置的模糊c均值聚类算法实现SEO技术的结构流程图图2基于全局位置的模糊c均值聚类算法在聚类分析中的应用流程图具体实施方式为了解决关键词优化实现搜索引擎优化的技术问题，结合图1-图2对本专利技术进行了详细说明，其具体实施步骤如下：步骤1：根据企业业务确定核心关键词，利用搜索引擎搜集相关关键字，这些关键字在搜索引擎中有相应数据项，如本国每月搜索量、竞争程度和估算每次点击费用(CPC)等。步骤2：结合企业产品和市场分析，筛选降维上述搜索到的相关关键字集合；步骤3：针对筛选降维后的关键词集合，通过搜索引擎搜索关键词对应的页面，这里记录首页网页数和总搜索页面数，即每个关键词由五维向量再降维为四维的，其具体计算过程如下：这里相关关键词个数为m,既有下列m×5矩阵：Ni、Ldi、CPCi、NiS、NiY依次为第i个关键词对应的本国每月搜索量、竞争程度、估算每次点击费用(CPC)、首页网页数、总搜索页面数。再降维为四维，即Xi∈(1，2，…，m)为搜索效能，Zi∈(1，2，…，m)为价值率，即为下式：步骤4：基于全局位置的模糊c均值聚类算法，对上述关键词进行聚类处理，其具体子步骤如下：步骤4.1：利用基于ε领域的k-means算法初始化为c类。步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J，使其满足隶属的整个约束条件；根据ε领域初始化数据对象集合D划分为C类；初始化隶属矩阵J为m×C：wij为关键词i属于j类的程度系数，即j∈(1，2，…，C)、i∈(1，2，…，m)。隶属的整个约束条件为：步骤4.3：初始化每一个领域目标函数构建c类总目标函数综合隶属约束条件，构建m个方程组，对其进行求解，即可得聚类结果，其具体计算过程如下：构建c类总目标函数上式d(i，wq)为关键词i到全局最佳位置wq的距离，d(i，wj)为关键词i到聚类中心j的距离，α为光滑系数。上式xir与yjr分别为关键词i、聚类中心对象j的4维向量，即xir∈(Xi，Zi，NiS，NiY)、yjr∈(Xj，Zj，NjS，NjY)。综合隶属约束条件，构建m个方程组：λi(i＝1，…，m)是m个约束式的拉格朗日算子，对上述式子进行求导，对所有输入参量求导，即可求得使达到最大的必要条件cj、wij：上式为关键词i所对应的向量；步骤4.4：利用下式判定函数Δ(f)的结果，重新计算各簇中心，其具体计算过程如下：为新的总目标函数，为上一次迭代得出的总目标函数，θ为一个足够小的数，只有满足上述条件，则找到了最佳分类。步骤4.5：如果簇中心发生变化，则转到步骤4.2，重新计算隶属矩阵J，否则迭代结束，输出聚类结果。基于全局位置的模糊c均值聚类算法具体结构流程如图2。步骤5：根据企业具体情况，综合关键词效能优化和价值率优化，选择合适的关键词优化策略达到网站优化目标。基于全局位置的模糊c均值聚类算法实现SEO技术，其伪代码过程输入：网站提取的核心关键词，初始化簇的数目c输出：一系列优化后的高质量关键词。本文档来自技高网...

【技术保护点】
基于全局位置的模糊c均值聚类算法实现SEO技术，本专利技术涉及语义网络技术领域，具体涉及基于全局位置的模糊c均值聚类算法实现SEO技术，其特征是，包括如下步骤：步骤1：根据企业业务确定核心关键词，利用搜索引擎搜集相关关键字，这些关键字在搜索引擎中有相应数据项，如本国每月搜索量、竞争程度和估算每次点击费用（CPC）等步骤2：结合企业产品和市场分析，筛选降维上述搜索到的相关关键字集合；步骤3：针对筛选降维后的关键词集合，通过搜索引擎搜索关键词对应的页面，这里记录首页网页数和总搜索页面数，即每个关键词由五维向量再降维为四维的，其具体计算过程如下：这里相关关键词个数为m,既有下列

【技术特征摘要】
1.基于全局位置的模糊c均值聚类算法实现SEO技术，本发明涉及语义网络技术领域，具体涉及基于全局位置的模糊c均值聚类算法实现SEO技术，其特征是，包括如下步骤：步骤1：根据企业业务确定核心关键词，利用搜索引擎搜集相关关键字，这些关键字在搜索引擎中有相应数据项，如本国每月搜索量、竞争程度和估算每次点击费用（CPC）等步骤2：结合企业产品和市场分析，筛选降维上述搜索到的相关关键字集合；步骤3：针对筛选降维后的关键词集合，通过搜索引擎搜索关键词对应的页面，这里记录首页网页数和总搜索页面数，即每个关键词由五维向量再降维为四维的，其具体计算过程如下：这里相关关键词个数为m,既有下列矩阵：、、、、依次为第i个关键词对应的本国每月搜索量、竞争程度、估算每次点击费用（CPC）、首页网页数、总搜索页面数再降维为四维，即为搜索效能，为价值率，即为下式：步骤4：基于全局位置的模糊c均值聚类算法，对上述关键词进行聚类处理，其具体子步骤如下：步骤4.1：利用基于领域的k-means算法初始化为c类步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J，使其满足隶属的整个约束条件；步骤4.3：初始化每一个领域目标函数，构建c类总目标函数，综合隶属约束条件，构建m个方程组，对其进行求解，即可得聚类结果；步骤4.4：利用下式判定函数的结果，重新计算各簇中心；步骤4.5：如果簇中心发生变化，则转到步骤4.2，重新计算隶属矩阵J，否则迭代结束，输出聚类结果步骤5：根据企业具体情况，综合关键词效能优化和...

【专利技术属性】
技术研发人员：金平艳，
申请(专利权)人：四川用联信息技术有限公司，
类型：发明
国别省市：四川,51