[发明专利]基于关键词优化实现搜索引擎优化技术

摘要

基于关键词优化实现搜索引擎优化技术，先网页主题内容抓取，再进行词语切分，应用此算法计算词语贡献值，根据每个词语贡献值对词语进行相关排序，关键词插入位置分析，最后达到优化的效果，本发明为后续的长尾关键词优化提供技术支持，得到更高效率的关键词，能帮助网站在短时间内快速提升其关键词的排名，从而达到网站优化目标。

主权项

基于关键词优化实现搜索引擎优化技术，本发明涉及语义网络技术领域，具体涉及基于关键词优化实现搜索引擎优化技术，其特征是，包括如下步骤：步骤1：网页主题内容抓取，其具体描述过程如下：一般将要抓取的网页分为两部分内容：一部分是网页的主题内容；另一部分则是与主题无关的“网页噪音”，例如广告、推广链接等，实际上，网页的主题内容才是需要抓取的，可以使用“Firefox”的附加组件“Data Scraper”和“Meta Studio”对网页进行抓取，保留网页的主题内容，去除“网页噪音”，并将抓取到的网页的主题内容转换为“Word”格式的文档，以方便后续操作步骤2：对上述文档进行词语切分，其具体切分技术如下：步骤2.1：根据《分词词典》找到待分词句子中与词典中匹配的词，把待分词的汉字串完整的扫描一遍，在系统的词典里进行查找匹配，遇到字典里有的词就标识出来；如果词典中不存在相关匹配，就简单地分割出单字作为词；直到汉字串为空步骤2.2：依据概率统计学，将待分词句子拆分为网状结构，即得n个可能组合的句子结构，把此结构每条顺序节点依次规定为，其结构图如图2所示步骤2.3：基于信息论方法，给上述网状结构每条边赋予一定的权值，其具体计算过程如下：根据《分词词典》匹配出的字典词与未匹配的单个词，第i条路径包含词的个数为，即n条路径词的个数集合为得在上述留下的剩下的(n‑m)路径中，求解每条相邻路径的权重大小，在统计语料库中，计算每个词的信息量，再求解路径相邻词的共现信息量，既有下式：上式为文本语料库中词的信息量，为含词的文本信息量上式为在文本语料库中的概率，n为含词的文本语料库的个数上式为含词的文本数概率值，N为统计语料库中文本总数同理为在文本语料库中词的共现信息量，为相邻词共现的文本信息量同理上式为在文本语料库中词的共现概率，m为在文本库中词共现的文本数量为文本库中相邻词共现的文本数概率综上可得每条相邻路径的权值为步骤2.4：找到权值最大的一条路径，即为待分词句子的分词结果，其具体计算过程如下：有n条路径，每条路径长度不一样，假设路径长度集合为假设经过取路径中词的数量最少操作，排除了m条路径，m<n，即剩下(n‑m)路径，设其路径长度集合为则每条路径权重为:上式分别为第1,2到路径边的权重值，根据步骤1.4可以一一计算得出，为剩下(n‑m)路径中第条路径的长度权值最大的一条路径:步骤2.5：根据停用表对文本词汇进行去停用词处理，其具体描述如下：停用词是指在文本中出现频率高，但对于文本标识却没有太大作用的单词，去停用词的过程就是将特征项与停用词表中的词进行比较，如果匹配就将该特征项删除综合分词和删除停用词技术,中文文本预处理过程流程图如图3步骤3：计算词语贡献值；步骤4：关键词抓取，即根据每个词语贡献值对词语进行相关排序；步骤5：关键词插入位置分析；步骤6：将关键词按顺序插入网页中，达到优化的效果。