TF-IDF算法是一种统计较法，用于对检索的加权。简单的讲其作用是评估一字词对一个文件的重要水平。

在搜索引擎优化的衍生应用中，我们可以这么去理解上面这段话：在一个公司里，有10个搜索引擎优化er，每小我都写了一篇关于搜索引擎优化的文章，并且把这些文章都放在了一个文档集里。我们可以预料到的是，根基每篇文章中城市重复多次呈现搜索引擎优化这个词，意味着这十篇文章都与搜索引擎优化有关。现在我要查找一篇关于网站权重的搜索引擎优化文章。那么我会在搜索引擎中输入“搜索引擎优化 网站权重”。

最终我找到两篇同时呈现了这两个词的文章，第一篇里面呈现了2次“网站权重”和10次“搜索引擎优化，另外一篇呈现了10次“网站权重”和2次“搜索引擎优化”。现在的问题是：抛开作者的素质(网站整体权重)、文章质量(页面权重)、公司内专家的推荐(高质量外链)以及其他种种因素的影响后，谁的文章应该排在搜索成果的前面?

带着这个问题，我们来学习TF-IDF算法以及TF-IDF算法在搜索引擎优化中衍生的应用。

TF-IDF的核心概念

如果某个词或短语在一篇文章中呈现的频率TF高，并且在其他文章中很少呈现，则认为此词或短语具有很好的种别区分能力，适适用来分类。

同时，如果一篇文章中呈现了我们要查询的词，我们就会认为该文章与我们要查的词有比较年夜的相关性。延续这种思路，就是如果一篇文档中呈现要查询的词的次数越多，该文章与要查询的词之前的相关性应该越年夜。

我们在以往的搜索引擎优化工作中，运用到的关头词密度手艺，基于的就这个TF原理。

那么我们在TF-IDF算法中，先定义一个TF(t,d)暗示词语t在文章d中的呈现次数。

我们可以通过关头词密度查询东西来查询TF值：

http://tool.chinaz/Tools/Density.aspx

但仅仅斟酌词呈现的次数是不可的，因为常常我们查询的都是两个以上的词，比如“AA BB”或“XX YY ZZ”等形式。如果是这种形式的查询，哪个词呈现的次数应该做为重要性的依据呢?这就引出了IDF来丈量词的稀缺度，这里我们定义IDF为IDF(t) = log(N / DF(t))。其中：

DF(t)：该词(以t为代表)在多少篇文章中呈现过。查询体例是通过谷歌搜索某一个词t，取得的搜索成果我们可以理解DF(t)。

N: 总文章数。这个数值在我们搜索引擎优化工作中没有什么实际的用处，因为我们不成能知道搜索引擎索引了多少文章。可是对搜索引擎来讲，N却是一个判定词权重的数据。

log：这个也不是我们搜索引擎优化工作中需要斟酌的数值，一般而言，log的底数可以随便设定。一般而言，我们采取+1的体例来抑制上述“网站权重 搜索引擎优化”例子中第二篇呈现10次“网站权重”的文章比第一篇呈现2次“网站权重”的文章重要5倍的夸大情况呈现。

TF-IDF的搜索引擎优化应用实战

看到这里，是不是感觉很烦躁?我们来进入一段告白……呃，不，进入一段实例：

TF-IDF值 = TF×IDF(TF乘以IDF) = 1+log tf(t,d) × log(N / DF(t))

以《网站权重 搜索引擎优化》和《搜索引擎优化学习:什么是网站权重》这篇文章为例：

“网站权重”TF值为：w=1+log 31(次呈现)=2.49

“网站权重”IDF值为：23,200,000篇/1万亿(假定值，08年数据)=4.63

“网站权重”TF-IDF值为：2.49*4.63=11.53

“搜索引擎优化”TF值为：w=1+log 34(次呈现)=2.53

“搜索引擎优化”IDF值为：1,220,000,000篇/1万亿(假定值，08年数据)=2.91

“搜索引擎优化”TF-IDF值为：2.53*2.91=7.36

我们取得了“网站权重”TF-IDF值11.53和“搜索引擎优化”TF-IDF值7.36。这有什么用呢?

TF-IDF值越年夜，文章与索引词越相关;

只有当“网站权重”这个词权重高的页面，才有可能在“网站权重 搜索引擎优化”这个搜索成果的排名上有比较好的效果;

锚文本链接需要增强“网站权重”这个词;

如果我们针对这个页面做“搜索引擎优化”的锚文本，则不会有太好的表示;

在没有其他因素加权或降权的情况下，小于该页面的总计词权值18.89(11.53+7.36)的页面将排名较低，年夜于18.89的页面将排名比次文章高