[发明专利]改进的模糊C‑均值算法实现搜索引擎关键词优化

说明书

技术领域

本发明涉及语义网络技术领域，具体涉及改进的模糊C-均值算法实现搜索引擎关键词优化。

背景技术

由于用户在互联网检索信息时，通常的手段是使用搜索引擎进行搜索，用户对搜索结果页面的关注点不在付费推广的链接区域，而是聚焦于自然排名的搜索结果处，因此进行搜索引擎优化来提高自然排名就变得尤为重要。对于大部分企业来说，进行搜索引擎优化是投入少、回报高的营销行为，搜索引擎优化对于企业网站的网络营销起着重要的作用。搜索引擎优化技术包括黑帽技术和白帽技术，目前各搜索引擎已经引入相关技术和规则对使用黑帽技术的网站进行惩罚；白帽技术则表示被搜索引擎认可的优化技术。一个商业网站以其核心关键字在主流搜索引擎中获得自然排名优先，在今天的商业社会，有着非比寻常的价值。因此关键字也常被称为是整个搜索应用的基石。关键词的使用是否得当，直接关系到网站在搜索引擎的搜索结果中的位置，现今，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，本发明提供了改进的模糊C-均值算法实现搜索引擎关键词优化。

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，本发明提供了改进的模糊C-均值算法实现搜索引擎关键词优化。

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：改进的模糊C-均值算法，对上述关键词进行聚类处理，其具体子步骤如下：

步骤4.1：初始化数据对象集合D为C类，用值[0,1]间的随机数初始化隶属矩阵J，使其满足隶属的整个约束条件

步骤4.2：初始化每一个ε领域的相似度函数构建C类总目标函数

步骤4.3：根据判定函数Δ(S)的结果，重新计算各簇中心；

步骤4.4：用w_ij计算新的隶属矩阵J，则转到步骤4.2，否则迭代结束，输出聚类结果。

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。

6、此算法精确地分配了每个领域密度与相似度的权重系数，分类结果的准确度更符合经验值。

7、此算法得到的聚类结果信噪比更好。

8，避免结果过早收敛。

附图说明

图1改进的模糊C-均值算法实现搜索引擎关键词优化结构流程图

图2改进的模糊C-均值算法在聚类分析中的应用流程图

具体实施方式

为了解决关键词优化实现搜索引擎优化的技术问题，结合图1-图2对本发明进行了详细说明，其具体实施步骤如下：

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，其具体计算过程如下：

这里相关关键词个数为m，既有下列m×5矩阵：

N_i、Ld_i、CPC_i、N_iS、N_iY依次为第i个关键词对应的本国每月搜索量、竞争程度、估算每次点击费用(CPC)、首页网页数、总搜索页面数。

再降维为四维，即