基於改進的k‑means算法實現搜尋引擎關鍵詞優化的製作方法

2023-10-04 17:48:39 3

本發明涉及語義網絡技術領域，具體涉及一種基於改進的k-means算法實現搜尋引擎關鍵詞優化。

背景技術：

人們在網際網路上獲取信息很大程度上依賴著搜尋引擎，網站能被其收錄並排名相對靠前，能獲得更多用戶訪問，隨著百度、谷歌的著名搜尋引擎的迅速發展，它們各自形成了比較成熟的排序算法。搜尋引擎優化(SEO)是指在搜尋引擎許可的優化原則下，通過對網站中代碼連結和文字描述的重組優化，以及後期對網站進行合理的反向連結操作，最終實現被優化的網站在搜尋引擎的檢索結果中得到排名提升。而搜尋引擎優化中，關鍵詞優化策略尤為重要，關鍵詞始終貫穿於搜尋引擎優化的整個過程。關鍵詞優化策略一般包括關鍵詞的選擇、關鍵詞的分布及密度控制等等，關鍵詞的使用是否得當，直接關係到網站在搜尋引擎的搜索結果中的位置。在研究網絡搜索關鍵詞搜索量數據與相關問題的關係時，選擇哪些關鍵詞是首先要解決的關鍵問題，閱讀文獻，筆者發現，對於關鍵詞的選取大多憑藉經驗和主觀因素，缺少系統的方法和總結。為使關鍵詞的選取更具科學性和客觀性，基於上述需求，本發明提供了基於改進的k-means算法實現搜尋引擎關鍵詞優化。

技術實現要素：

針對於關鍵詞優化實現搜尋引擎優化的技術問題，本發明提供了一種基於改進的k-means算法實現搜尋引擎關鍵詞優化。

為了解決上述問題，本發明是通過以下技術方案實現的：

步驟1：根據企業業務確定核心關鍵詞，利用搜尋引擎搜集相關關鍵字，這些關鍵字在搜尋引擎中有相應數據項，如本國每月搜索量、競爭程度和估算每次點擊費用(CPC)等

步驟2：結合企業產品和市場分析，篩選降維上述搜索到的相關關鍵字集合；

步驟3：針對篩選降維後的關鍵詞集合，通過搜尋引擎搜索關鍵詞對應的頁面，這裡記錄首頁網頁數和總搜索頁面數，即每個關鍵詞就是一個五維向量；

步驟4：利用改進的k-means算法，對上述關鍵詞進行聚類處理，其具體子步驟如下：

步驟4.1：初始化簇的數目k，從數據對象集合D中隨機選擇k個初始簇中心；

步驟4.2：對每個關鍵詞i(i∈(1，2，…，m))，按目標函數f(i)選擇聚類中心j；

步驟4.3：根據分類的結果，重新計算各簇中心；

步驟4.4：如果簇中心發生變化，則轉到步驟(2)，否則迭代結束，輸出聚類結果。

步驟5：根據企業具體情況，綜合關鍵詞效能優化和價值率優化，選擇合適的關鍵詞優化策略達到網站優化目標。

本發明有益效果是：

1，此算法可以精簡關鍵詞分析流程，進而減少整個網站優化工作量。

2，此算法的運行時間複雜度低，處理速度更快。

3、此算法具有更大的利用價值。

4、能幫助網站在短時間內快速提升其關鍵詞的排名。

5、為企業網站帶來一定的流量和詢盤，從而達到理想的網站優化目標。

附圖說明

圖1基於改進的k-means算法實現搜尋引擎關鍵詞優化結構流程圖

圖2改進的k-means算法在聚類分析中的應用流程圖

具體實施方式

為了解決關鍵詞優化實現搜尋引擎優化的技術問題，結合圖1對本發明進行了詳細說明，其具體實施步驟如下：

步驟1：根據企業業務確定核心關鍵詞，利用搜尋引擎搜集相關關鍵字，這些關鍵字在搜尋引擎中有相應數據項，如本國每月搜索量、競爭程度和估算每次點擊費用(CPC)等。

步驟2：結合企業產品和市場分析，篩選降維上述搜索到的相關關鍵字集合；

步驟3：針對篩選降維後的關鍵詞集合，通過搜尋引擎搜索關鍵詞對應的頁面，這裡記錄首頁網頁數和總搜索頁面數，即每個關鍵詞由五維向量再降維為四維的，其具體描述如下：

這裡相關關鍵詞個數為m,既有下列m×5矩陣：

Ni、Ldi、CPCi、NiS、NiY依次為第i個關鍵詞對應的本國每月搜索量、競爭程度、估算每次點擊費用(CPC)、首頁網頁數、總搜索頁面數。

再降維為四維，即

Xi∈(1，2，…，m)為搜索效能，Zi∈(1，2，…，m)為價值率，即為下式：

步驟4：利用改進的k-means算法，對上述關鍵詞進行聚類處理，其具體子步驟如下：

步驟4.1：初始化簇的數目k，從數據對象集合D中隨機選擇k個初始簇中心；

步驟4.2：對每個關鍵詞i(i∈(1，2，…，m))，按目標函數f(i)選擇聚類中心j，其具體計算過程如下：

上式diq為關鍵詞i到空間中全局最優位置的距離，(di1，di2，…，dik)依次為關鍵詞i到k類中心的距離。

上式α、β為權重值，這裡α+β＝1，α＞β，Xq、XiJ分別為k類關鍵詞彙搜索效能的全局最佳坐標值、局部最佳坐標值，Zq、ZiJ分別為k類關鍵詞彙價值率的全局最佳坐標值、局部最佳坐標值，Nsq、NSiJ分別為k類關鍵詞彙首頁網頁數的全局最佳坐標值、局部最佳坐標值，NYq、NYiJ分別為k類關鍵詞彙總搜索頁面數的全局最佳坐標值、局部最佳坐標值。

步驟4.3：根據分類的結果，重新計算各簇中心；

步驟4.4：如果簇中心發生變化，則轉到步驟(2)，否則迭代結束，輸出聚類結果，其具體計算過程如下：

判定函數如下：

上式為關鍵詞i的向量，為類j中心向量，i∈j關鍵詞i屬於類j。

當判定函數最小，或是保持不變，則聚類結束。

步驟5：根據企業具體情況，綜合關鍵詞效能優化和價值率優化，選擇合適的關鍵詞優化策略達到網站優化目標。

基於改進的k-means算法實現搜尋引擎關鍵詞優化，其偽代碼過程

輸入：網站提取的核心關鍵詞

輸出：一系列優化後的高質量關鍵詞。