一种验证搜索引擎关键词优化技术的方法技术

一种验证搜索引擎关键词优化技术的方法，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

Method for validating search engine keyword optimization technology

A validation of search engine keyword optimization technology, 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】
一种验证搜索引擎关键词优化技术的方法
本专利技术涉及语义网络
，具体涉及一种验证搜索引擎关键词优化技术的方法。
技术介绍
搜索引擎是人们获取网络资源的主要工具,随着Yahoo、Google等著名搜索引擎的出现，搜索引擎已经成为了网民获知网站的第一大入口，搜索引擎优化技术(SearchEngineOptimization,SEO)也逐渐发展起来，可以利用搜索引擎的优势在最短的时间内找到企业网站或者网页。搜索引擎是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息，在对信息进行组织和处理后，为用户提供检索服务，将用户检索相关的信息展示给用户的系统。搜索引擎优化策略主要有域名策略、网页设计规划策略、关键词策略以及链接策略。核心策略是关键词优化策略。目前，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，本专利技术提供了一种验证搜索引擎关键词优化技术的方法。
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验证搜索引擎关键词优化技术的方法。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：利用一种改进的密度聚类算法，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算法初始化簇。步骤4.2：初始化每一个ε领域的影响函数f(i，j)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(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(2)，否则迭代结束，输出聚类结果。步骤5：利用模糊c均值聚类算法验证上述聚类结果的准确度，其具体的子步骤如下：步骤5.1：用值[0,1]间的数初始化隶属矩阵J，使其满足隶属的整个约束条件步骤5.2：根据影响函数f(i，j)构建k类总目标函数，再综合隶属的整个约束条件构建新的k类总目标函数，最后得出最佳k类中心步骤5.3：得到的聚类中心与上述步骤4得到的聚类中心相比较，既可以验证改进的密度聚类算法结果的准确度步骤6：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。8、数据处理的效果更好。9、提供了一种验证聚类算法结果准确性的思想方法。附图说明图1一种验证搜索引擎关键词优化技术的方法结构流程图图2一种改进的密度聚类算法在聚类分析中的应用流程图图3模糊c均值聚类算法在验证结果准确度的结构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3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：利用一种改进的密度聚类算法，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算法初始化簇。步骤4.2：初始化每一个ε领域的影响函数f(i，j)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j类ε领域内数据对象的个数，d(i，j)为关键词i到对应ε领域内簇中心的距离，σ为簇中心的期望值。上式xih为ε领域内第i个关键词对应的向量，yjh为ε领域中的簇中心数据对象的向量。判定条件如下：f(i，j)start＞γγ为设定好的阈值，只有满足上式条件则归为一簇。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：按p(i)值最大选择对应的聚类中心j′。步骤4.4：根据判定函数Δ(f)的结果，重新计算各簇中心，其具体计算过程如下：Δ(f)＝f(i，j)new-f(i，j)old＞0满足上式，则重新计算各簇中心。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：利用模糊c均值聚类算法验证上述聚类结果的准确度，其具体的子步骤如下：步骤5.1：用值[0,1]间的数初始化隶属矩阵J，使其满足隶属的整个约束条件，其具体计算过程如下：上式wij为关键词i属于j类的程度系数，即j∈(1，2，…，k)、i∈(1，2，…，m)。初始化隶属矩阵J为m×k：隶属的整个约束条件为：步骤5.2：根据影响函数f(i，j)构建k类总目标函数，再综合隶属的整个约束条件构建新的k类总目标函数，最后得出最佳k类中心，其具体计算过程如下：k类总目标函数f(i，j)∑j∈k：新的k类总目标函数f(i，j1，j2，…，jk，λ1，…，λm)∑j∈k：上式λi(i＝1，2，…，m)是隶属的整个约束条件的拉格朗日乘子。对所有参量求导，使式f(i，j)∑j∈k达到最大的必要条件为：上式为关键词i所对应的向量；步骤5.3：得到的聚类中心与上述步骤4得到的聚类中心相比较，既可以验证改进的密度聚类算法结果的准确度，其具体计算过程如下：准确度公式为上式为应用步骤4得出的k个簇，为应用步骤5得出的k个簇，γ为阈值，满足条件则验证上述结果正确，否则错误。步骤6：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。一种验证搜索引擎关键词优化技术的方法，其伪代码过程输入：网站提取的核心关键词，基于ε领域初始化簇输出：网站最优关键词。本文档来自技高网...

【技术保护点】
一种验证搜索引擎关键词优化技术的方法，本专利技术涉及语义网络技术领域，具体涉及一种验证搜索引擎关键词优化技术的方法，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】
1.一种验证搜索引擎关键词优化技术的方法，本发明涉及语义网络技术领域，具体涉及一种验证搜索引擎关键词优化技术的方法，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：利用一种改进的密度聚类算法，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算法初始化簇步骤4.2：初始化每一个领域的影响函数，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，其具体计算过程如下：上式为j类领域内数据对象的个数，为关键词i到对应领域内簇中心的距离，为簇中心的期望值上式为领域内第i个关键词对应的向量，为领域中的簇中心数据对象的向量判定条件如下：为设定好的阈值，只有满足上式条件则归为一簇步骤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，其具体计算过程如下：按值最大选择对应的聚类中心步骤4.4：根据判定函数的结果，重新计算各簇中心，其具体计算过程如下：满足上式，则重新计算各簇中心步骤4.5：如果簇...

【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