相信很多SEO站長(zhǎng)應(yīng)該都聽(tīng)過(guò)百度搜索引擎TF-IDF算法，但是很多剛?cè)胄械恼鹃L(zhǎng)不太清楚，接著昨天說(shuō)的百度驚雷算法3.0，所以接下來(lái)我來(lái)跟大家說(shuō)百度的TF-IDF算法到底是怎么一回事。

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(xiàng)上的排名加分，獲取高分值。

一、TF-IDF算法的定義  

“TF-IDF是一種統(tǒng)計(jì)方法，用以評(píng)估一字詞對(duì)于一個(gè)文件集或一個(gè)語(yǔ)料庫(kù)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(shí)會(huì)隨著它在語(yǔ)料庫(kù)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(hù)查詢(xún)之間相關(guān)程度的度量或評(píng)級(jí)。

假如說(shuō)我們?cè)诎俣壬纤阉鳌八边@個(gè)詞，百度爬蟲(chóng)抓取的網(wǎng)站內(nèi)容有下面5個(gè)，你覺(jué)得哪個(gè)內(nèi)容排名1？  

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(píng)果，桃子，西瓜，菠蘿，梨子  

內(nèi)容3：蔬菜都很好吃，我愛(ài)吃茄子了  

內(nèi)容4：蘋(píng)果，梨子都是很好吃的水果  

內(nèi)容5：好吃的水果有西瓜，蘋(píng)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(jué)，內(nèi)容2跟內(nèi)容5應(yīng)該排名靠前，內(nèi)容5很可能是排名1，內(nèi)容2是排名2。其實(shí)按照TF-IDF算法也能得出這個(gè)結(jié)論，那么TF-IDF是怎么做的，請(qǐng)大家跟上我的步伐。  

二、TF-IDF算法的計(jì)算步驟

（1）計(jì)算逆文檔頻率

我們先統(tǒng)計(jì)各個(gè)詞語(yǔ)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(gè)單詞的逆文檔頻率如下：

水果=4、蘋(píng)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(jì)算逆文檔頻率

PS:IDF=log(語(yǔ)料庫(kù)中的文件總數(shù)/包含詞語(yǔ)t的文件數(shù)目)，為了便于理解，這里做了精簡(jiǎn)。

按照我們的直覺(jué)，如果一篇文章把逆文檔頻率高的前面的詞都包含了，說(shuō)明這篇文章內(nèi)容更貼合用戶(hù)意圖，更受到搜索引擎喜歡。回到例子，"水果、蘋(píng)果"是本例中重要性高的2個(gè)詞，如果內(nèi)容中包含“水果、蘋(píng)果”，那么這篇內(nèi)容質(zhì)量就越好。

所以把包含“水果、蘋(píng)果”的內(nèi)容拿出來(lái)，就是比較靠譜的內(nèi)容了：

內(nèi)容2：水果有蘋(píng)果，桃子，西瓜，菠蘿，梨子 

內(nèi)容4：蘋(píng)果，梨子都是很好吃的水果

內(nèi)容5：好吃的水果有西瓜，蘋(píng)果，葡萄，其他水果還有菠蘿，獼猴桃 

（2）計(jì)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(gè)詞語(yǔ)在內(nèi)容中出現(xiàn)的次數(shù)越高，也說(shuō)明這個(gè)詞語(yǔ)對(duì)這篇文章更重要?；氐奖纠八笔俏覀兊暮诵脑~，那么因?yàn)閮?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。排序結(jié)果如下：:

內(nèi)容5：好吃的水果有西瓜，蘋(píng)果，葡萄，其他水果還有菠蘿，獼猴桃（1）

內(nèi)容2：水果有蘋(píng)果，桃子，西瓜，菠蘿，梨子（2）

內(nèi)容4：蘋(píng)果，梨子都是很好吃的水果（3）

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，我愛(ài)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(jiǎn)化解讀版，真實(shí)的TFIDF算法比這個(gè)要正規(guī)復(fù)雜很多，這里只是讓大家get到，目的就達(dá)到了。  

我們可以看到，TFIDF算法，不僅可以衡量關(guān)鍵詞對(duì)頁(yè)面的重要性，更能衡量文章的廣度相關(guān)性。對(duì)于百度、360、google來(lái)說(shuō)，TFIDF算法的出現(xiàn)屏蔽了一大批用關(guān)鍵詞密度來(lái)獲取排名的SEO小白，同時(shí)提升了搜索質(zhì)量啊，真是一箭雙雕。江門(mén)市華企立方科技有限公司為江門(mén)客戶(hù)提供專(zhuān)業(yè)的建站業(yè)務(wù)，網(wǎng)站設(shè)計(jì)，外貿(mào)平臺(tái)，微信推廣，及SEO網(wǎng)絡(luò)推廣的網(wǎng)絡(luò)公司，如有需求敬請(qǐng)聯(lián)系我們。

（本網(wǎng)站部分素材來(lái)自網(wǎng)絡(luò)，如果本網(wǎng)站展示信息侵犯媒體或個(gè)人的知識(shí)產(chǎn)權(quán)或其他合法權(quán)益，請(qǐng)及時(shí)通知我們，我們立即予以刪除。）