TF-IDF算法是一種統計算法，用于對檢索的加權。簡單的講其作用是評估一字詞對于一個文件的重要程度。

　　在SEO的衍生應用中，我們可以這么去理解上面這段話：在一個公司里，有10個SEOer，每個人都寫了一篇關于SEO的文章，并且把這些文章都放在了一個文檔集里。我們可以預料到的是，基本每篇文章中都會重復多次出現SEO這個詞，意味著這十篇文章都與SEO有關�，F在我要查找一篇關于網站權重的SEO文章。那么我會在搜索引擎中輸入“SEO 網站權重”。

　　最終我找到兩篇同時出現了這兩個詞的文章，第一篇里面出現了2次“網站權重”和10次“SEO，另一篇出現了10次“網站權重”和2次“SEO”�，F在的問題是：拋開作者的素質(網站整體權重)、文章質量(頁面權重)、公司內專家的推薦(高質量外鏈)以及其他種種因素的影響后，誰的文章應該排在搜索結果的前面?

　　帶著這個問題，我們來學習TF-IDF算法以及TF-IDF算法在SEO中衍生的應用。

　　TF-IDF的核心概念

　　如果某個詞或短語在一篇文章中出現的頻率TF高，并且在其他文章中很少出現，則認為此詞或者短語具有很好的類別區分能力，適合用來分類。

　　同時，如果一篇文章中出現了我們要查詢的詞，我們就會認為該文章與我們要查的詞有比較大的相關性。延續這種思路，就是如果一篇文檔中出現要查詢的詞的次數越多，該文章與要查詢的詞之前的相關性應該越大。

　　我們在以往的SEO工作中，運用到的關鍵詞密度技術，基于的就這個TF原理。

　　那么我們在TF-IDF算法中，先定義一個TF(t,d)表示詞語t在文章d中的出現次數。

　　我們可以通過關鍵詞密度查詢工具來查詢TF值：

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

　　但僅僅考慮詞出現的次數是不行的，因為常常我們查詢的都是兩個以上的詞，比如“AA BB”或者“XX YY ZZ”等形式。如果是這種形式的查詢，哪個詞出現的次數應該做為重要性的依據呢?這就引出了IDF來測量詞的稀缺度，這里我們定義IDF為IDF(t) = log(N / DF(t))。其中：

　　DF(t)：該詞(以t為代表)在多少篇文章中出現過。查詢辦法是通過google搜索某一個詞t，得到的搜索結果我們可以理解DF(t)。

　　N: 總文章數。這個數值在我們SEO工作中沒有什么實際的用處，因為我們不可能知道搜索引擎索引了多少文章。但是對于搜索引擎來說，N卻是一個判定詞權重的數據。

　　log：這個也不是我們SEO工作中需要考慮的數值，一般而言，log的底數可以隨便設定。一般而言，我們采用+1的方式來抑制上述“網站權重 SEO”例子中第二篇出現10次“網站權重”的文章比第一篇出現2次“網站權重”的文章重要5倍的夸張情況出現。

　　TF-IDF的SEO應用實戰

　　看到這里，是不是覺得很煩躁?我們來進入一段廣告……呃，不，進入一段實例：

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

　　以《網站權重 SEO》和《SEO學習:什么是網站權重》這篇文章為例：

　　“網站權重”TF值為：w=1+log 31(次出現)=2.49

　　“網站權重”IDF值為：23,200,000篇/1萬億(假設值，08年數據)=4.63

　　“網站權重”TF-IDF值為：2.49*4.63=11.53

　　“SEO”TF值為：w=1+log 34(次出現)=2.53

　　“SEO”IDF值為：1,220,000,000篇/1萬億(假設值，08年數據)=2.91

　　“SEO”TF-IDF值為：2.53*2.91=7.36

　　我們得到了“網站權重”TF-IDF值11.53和“SEO”TF-IDF值7.36。這有什么用呢?

　　TF-IDF值越大，文章與索引詞越相關;

　　只有當“網站權重”這個詞權重高的頁面，才有可能在“網站權重 SEO”這個搜索結果的排名上有比較好的效果;

　　錨文本鏈接需要加強“網站權重”這個詞;

　　如果我們針對這個頁面做“SEO”的錨文本，則不會有太好的表現;

　　在沒有其他因素加權或降權的情況下，小于該頁面的總計詞權值18.89(11.53+7.36)的頁面將排名較低，大于18.89的頁面將排名比次文章高

　　TF-IDF在SEO應用的總結

　　以上只是一個TF-IDF在SEO衍生應用中的一個例子。無論是TF-IDF的計算方式，或者是該案例的假設條件，都是不嚴謹和準確的。但這不妨礙我們明白“關鍵詞密度”這一SEO技術的原理。同時，也在關鍵詞排名方面，跟競爭對手有了一個可以量化的參考。

　　無論百度還是谷歌又或者其他搜索引擎，TF-IDF只是其搜索排名算法中很小的一部分。同時為了打擊關鍵詞堆砌，各大搜索引擎又都會對TF值做一定的限制。SEOMoz給的一個安全的詞頻數為每篇頁面不重復15詞關鍵詞。而不是簡單的用2%-8%的關鍵詞密度。當然這個建議是基于國外的搜索引擎。

　　我們在學習SEO時，的確需要了解一些技術和理論的知識，這些知識有助于我們更好的開展工作。但同時，我們也無需糾結于一些純理論和技術方面的問題，畢竟，在SEO這個行業中，實戰和經驗同樣無比重要。

　　本文由楊帆原創于楊氏SEO，轉載請保留鏈接：

　　http://www.seoyangs.com/tf-idf-seo.html