[发明专利]基于决策树分类算法实现搜索引擎优化技术

说明书

技术领域

本发明涉及语义网络技术领域，具体涉及基于决策树分类算法实现搜索引擎优化技术。

背景技术

随着互联网技术不断发展，网络信息量迅速增长，搜索引擎逐渐成为用户快速准确查找信息的主要工具。搜索引擎优化，简称通俗的讲是通过对网站整体架构，网页内容、关键词以及网页内的链接进行相关的优化工作，提高其在特定搜索引擎上搜索结果中的排名，从而提高网站访问量,最终提升网站的销售能力或宣传能力的技术，搜索引擎优化不单单要考虑搜索引擎的算法和排名规则，还要考虑用户的搜索偏好，选取用户常用的关键词、站在用户角度来体验网页浏览的舒适度都是很好的搜索引擎优化原则。目前关于搜索引擎优化方法的理论研究已较为丰富，如黑帽技术和白帽技术，搜索引擎优化策略,分别是域名策略、网页设计规划策略、关键词策略以及链接策略。SEO归根结底是关键词的优化策略，现今国内外对关键词优化的理论研究和技术应用比较多，但暂未提出一个有效的方法来简化关键词分析流程，也没有一个完善的机制来管理关键词优化策略和进度。基于上述需求，本发明提供了一种基于决策树分类算法实现搜索引擎优化技术。

发明内容

针对于关键词优化实现搜索引擎优化的技术问题，本发明提供了基于决策树分类算法实现搜索引擎优化技术。

为了解决上述问题，本发明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：基于决策树分类算法，对上述关键词进行分类处理，其具体子步骤如下：

步骤4.1：根据训练数据集构造决策树分类器模型，其具体子步骤如下：

步骤4.1.1：设训练集中有X个样本，属性个数为4，即n＝(S₁，S₂，S₃，S₄),同时分裂属性S_i对应了k个类，其中L_r∈(L₁，L₂…，L_k),i∈(1，2，3，4)，r∈(1，2…，k)。相关领域用户设定好误分类代价矩阵C。

步骤4.1.2：创建根节点G。

步骤4.1.3：如果训练数据集为空，则返回结点G并标记失败。

步骤4.1.4：如果训练数据集中所有记录都属于同一类别，则该类型标记结点G。

步骤4.1.5：如果候选属性为空，则返回G为叶子结点，标记为训练数据集中最普通的类。

步骤4.1.6：根据属性S的目标函数f从候选属性中选择splitS。

步骤4.1.7：标记节点G为属性splitS_i。

步骤4.1.8：由节点延伸出满足条件为splitS＝splitS_i分支以及splitS_i＝splitS_ij子分支,如果满足以下两条件之一，就停止建树。

4.1.8.1这里假设Yi_i为训练数据集中splitS＝splitS_i的样本集合，如果Yi_i为空，加上一个叶子结点，标记为训练数据集中最普通的类。

4.1.8.2此节点中所有例子属于同一类。

步骤4.1.9：非4.1.8.1与4.1.8.2中情况，则递归调用步骤1.1.6至步骤4.1.8。

步骤4.1.10：保存已生成的决策树分类器。

步骤4.2：应用上述的分类器模型，对步骤3中得到的关键词进行分类，即可得到最佳k类；

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。

本发明有益效果是：

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。