基于领域离散度算法实现搜索引擎关键词优化制造技术

基于领域离散度算法实现搜索引擎关键词优化，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

Keyword optimization of search engine based on domain dispersion algorithm

The field dispersion algorithm of search engine optimization based on keywords, according to the business enterprise to determine the core keywords, search keywords corresponding data items, such as their monthly search volume, the degree of competition and the estimated cost per click

【技术实现步骤摘要】
基于领域离散度算法实现搜索引擎关键词优化
本专利技术涉及语义网络
，具体涉及一种基于领域离散度算法实现搜索引擎关键词优化。
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。关键词优化策略一般包括关键词的选择、关键词的分布及密度控制等等，关键词是用户在搜索相关页面时使用的单词或短语，也是搜索引擎在建立索引表要使用的单词。利用关键词有助于获得较高的搜索引擎查询排名，要注意关键词研究旨在找出最有价值的关键词。这些是搜索引擎优化的基本概念，有助于提高搜索引擎排名。在研究网络搜索关键词搜索量数据与相关问题的关系时，选择哪些关键词是首先要解决的关键问题，阅读文献，笔者发现，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领域离散度算法实现搜索引擎关键词优。
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领域离散度算法实现搜索引擎关键词优化。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：利用基于领域离散度算法，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算法初始化簇。步骤4.2：初始化每一个领域离散度函数L(S2)start，从数据对象集合D中按下述判定条件选择k个初始簇中心。步骤4.3：对每类关键词i(i∈(1，2，…，m))进行重新分配，按概率函数p(i)选择聚类中心j；步骤4.4：根据判定函数Δ(S2)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(2)，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、此算法分类结果的准确度更符合经验值；7、此算法更简便有效。附图说明图1基于领域离散度算法实现搜索引擎关键词优化结构流程图图2基于领域离散度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：利用基于领域离散度算法，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算法初始化簇。步骤4.2：初始化每一个领域离散度函数L(S2)start，从数据对象集合D中按下述判定条件选择k个初始簇中心，其具体计算过程如下：上式Nε为ε领域内数据对象的个数，xih为ε领域内数据对象所对应的向量，yih为ε领域内对应的簇中心数据对象向量。利用判定条件，如下：L(S2)start＞ωω为设定好的阈值，只有满足这个阈值，初始化的k个簇准确度更高。步骤4.3：对每类关键词i(i∈(1，2，…，m))进行重新分配，按概率函数p(i)选择聚类中心j，其具体计算过程如下：yjh为第j类簇中心数据对象向量，α为平滑系数，使概率函数p(i)值越大，就选择对应的簇中心j，即有下式：令则步骤4.4：根据判定函数Δ(S2)的结果，重新计算各簇中心，其具体计算过程如下：判定函数Δ(S2)：Δ(S2)＝L(S2)new-L(S2)old＞0上式L(S2)new为新的领域离散度函数，L(S2)old为上一次迭代得出的领域离散度函数。只有满足上式判定条件，即簇中心发生变化。步骤4.5：如果簇中心发生变化，则转到步骤(2)，否则迭代结束，输出聚类结果。基于领域离散度算法的具体结构流程如图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。基于领域离散度算法实现搜索引擎关键词优化，其伪代码过程输入：网站提取的核心关键词，基于ε领域初始化簇，初始化领域离散度函数L(S2)start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】
基于领域离散度算法实现搜索引擎关键词优化，本专利技术涉及语义网络技术领域，具体涉及一种基于领域离散度算法实现搜索引擎关键词优化，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.基于领域离散度算法实现搜索引擎关键词优化，本发明涉及语义网络技术领域，具体涉及一种基于领域离散度算法实现搜索引擎关键词优化，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：利用基于领域离散度算法，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算法初始化簇步骤4.2：初始化每一个领域离散度函数，从数据对象集合D中按下述判定条件选择k个初始簇中心步骤4.3：对每类关键词进行重新分配，按概率函数p(i)选择聚类中心j；步骤4.4：根据判定函数的结果，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（2），否则迭...

【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