[发明专利]搜索引擎关键词优化方法

说明书

本发明提供了一种搜索引擎关键词优化方法，包括：根据搜索引擎平台每日报告以及产品每日日志，生成原始训练数据的第一步骤；利用原始训练数据，从多个回归预测模型中确定最佳回归预测模型的第二步骤；将把实际数据轻微扰动后获得的人工样本数据输入最佳回归预测模型，根据最佳回归预测模型输出的目标预测值以及从人工样本数据中选择出的多个关键词，为每个关键词训练各自的局部线性回归模型的第三步骤；以及比较与多个关键词相对应的多个局部线性回归模型，根据比较结果筛选并停用由至少一个负面关键词构成的负面词集合的第四步骤。利用本发明，能够准确判断各关键词的贡献度，从而及时停用负面关键词、消除不必要支出、有效控制成本。

技术领域

本发明涉及一种搜索引擎关键词优化方法，尤其涉及一种利用回归预测模型和局部线性回归模型来判断关键词的贡献度，及时停用负面关键词的搜索引擎关键词优化方法。

背景技术

目前，在进行搜索推广时，各网站运营商需要为本网站所关心的关键词在各大搜索引擎平台上的消费(如点击数等)支付费用。在关键词数量庞大的情况下，这一成本支出可能会成为各网站运营商的主要业务支出。为此，及时停用那些并不能为网站服务商带来商业利益的“负面关键词”变得尤为关键。

现有技术中，缺少这样一种准确判断各关键词的贡献度，从而实现及时停用负面关键词、消除不必要支出、有效控制成本的方法。

发明内容

发明的目的在于提供一种利用机器学习优化SEO关键词消费的方法，可应用于搜索推广时的关键词停用及预算决策，及时停用负面关键词、消除不必要支出、有效控制成本。

根据本发明，提供了一种搜索引擎关键词优化方法，包括：根据搜索引擎平台每日报告以及产品每日日志，生成原始训练数据的第一步骤；利用原始训练数据，从多个回归预测模型中确定最佳回归预测模型的第二步骤；将把实际数据轻微扰动后获得的人工样本数据输入最佳回归预测模型，根据最佳回归预测模型输出的目标预测值以及从人工样本数据中选择出的多个关键词，为每个关键词训练各自的局部线性回归模型的第三步骤；以及比较与多个关键词相对应的多个局部线性回归模型，根据比较结果筛选并停用由至少一个负面关键词构成的负面词集合的第四步骤。

利用本发明的上述构成，能够准确判断各关键词的贡献度，从而实现及时停用负面关键词、消除不必要支出、有效控制成本。

附图说明

作为示例而非限制，在附图中示出了本发明，附图中相同的附图标记指示相同或相似的元素，附图中：

图1是示出根据本发明实施方式的搜索引擎关键词优化方法的流程图。

图2是示出本发明的搜索引擎关键词优化方法的步骤1的详细细节的流程图。

图3是示出本发明的搜索引擎关键词优化方法的步骤2的详细细节的流程图。

图4是示出本发明的搜索引擎关键词优化方法的步骤3的详细细节的流程图。

图5是示出本发明的搜索引擎关键词优化方法的步骤4的详细细节的流程图。

具体实施方式

图1是示出根据本发明实施方式的搜索引擎关键词优化方法的流程图。如图1所示，本发明的搜索引擎关键词优化方法包括：

步骤1：生成原始训练数据。

具体而言，根据搜索引擎平台每日报告以及产品每日日志，生成原始训练数据。

步骤2：选择最佳回归预测模型，得到Mbest。

具体而言，利用原始训练数据，从多个回归预测模型中确定最佳回归预测模型Mbest。

步骤3：训练局部线形回归模型。