1.TF – IDF算法。这个算法我建议大家必须掌握

 

TF – IDF算法简单的理解为：重要的关键词出现多次（TF就是词频），这个逻辑比较简单，SEO里也经常听到“词频”的概念，虽然有绝对词频和相对词频的区分，但这里不展开；重点说说IDF值，IDF值对出现的关键词进行一个基于语料库的权重调整，从信息含量上来说，越多的篇幅提到的关键词，意义越小。想象一下：每篇文章都会出现的“我”“你”“好”“坏”或者“营销”“互联网”，很难表达到具体的意义，而一篇文章如果出现了“脱氧核糖核苷酸”那么它的领域就更加的具体了。

 

因此，在所有的文档（语料库，如网页、文章）中出现越多次的关键词，IDF值越低，越少见的词（如品牌词，只有自己官网和PR稿有）IDF值则越高。

 

TF – IDF的算法就是把每一个词的词频，乘以IDF的值，得出一个分数。总分数越高的关键词，排名越靠前。举个例子：「小红书成为品牌方口碑营销根据地」，我们把他改成「小红书品牌营销成为了品牌方营销的根据地」。看起来差不多，但第一个句子品牌、口碑、营销各出现一次，第二个句子品牌、营销出现了2次。如果在简单的搜索引擎中，「品牌营销」的搜索结果，将会优先出现第2个句子而非第1个句子。