[发明专利]基于蚁群的模糊c均值算法实现关键词优化

摘要

基于蚁群的模糊c均值算法实现关键词优化，根据企业业务确定核心关键词，搜索关键词对应的数据项，如本国每月搜索量、竞争程度和估算每次点击费用等，对上述关键词集合进行再降维处理，每个关键词用一五维向量表示，即增加首页网页数和总搜索页面数，进而由五维再降为四维，基于蚁群的模糊c均值算法对上述关键词聚类，再根据企业具体情况，选择合适的关键词优化策略，本发明结合蚁群活动规律与k‑means聚类算法，数据更具有科学性，得到的结果更直观，同时运行时间复杂度低，处理速度更快，也避免了过早收敛，可以快速提升关键词排名，从而达到理想的网站优化目标。

主权项

基于蚁群的模糊c均值算法实现关键词优化，本发明涉及语义网络技术领域，具体涉及基于蚁群的模糊c均值算法实现关键词优化，其特征是，包括如下步骤：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,既有下列矩阵：、、、、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，即为搜索效能，为价值率，即为下式：步骤4：基于蚁群的模糊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：初始化迭代次数，根据k‑means中心聚类算法初始化各个关键词信息量为，初始化为c类步骤4.2: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4.3：初始化每一个领域目标函数，构建c类总目标函数，综合隶属约束条件，构建m个方程组，对其进行求解，即可求出使总目标函数最大的必要条件步骤4.4：根据判定函数的大小来确定步骤4.5：根据最佳聚类的结果，找到信息量最大的那一类，即为通过优化后需要的关键词；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。