專(zhuān)利名稱(chēng)：基于決策樹(shù)算法的seo關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種SEO領(lǐng)域中的關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，特別是基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法。
背景技術(shù)：
關(guān)鍵詞是瀏覽者在搜索引擎中查找信息時(shí)輸入的詞語(yǔ)，這些關(guān)鍵詞在SE0(SearchEngine Optimization,搜索引擎優(yōu)化)中扮演著重要的角色,選擇合理的關(guān)鍵詞才能夠迎合用戶特定的搜索目標(biāo)。只有選擇正確的關(guān)鍵詞，才能使網(wǎng)站SEO走在正確的大方向上。確定什么樣的關(guān)鍵詞決定了網(wǎng)站內(nèi)容規(guī)劃、鏈接建設(shè)等重要后續(xù)步驟。但是現(xiàn)有的SEO關(guān)鍵詞計(jì)算方法基本都是定性描述的，如很多文獻(xiàn)給出了關(guān)鍵詞選擇的準(zhǔn)則，歸納有以下幾 點(diǎn)①關(guān)鍵詞不能過(guò)于寬泛關(guān)鍵詞不要過(guò)于冷門(mén)；③要符合用戶的搜索習(xí)慣可以將地理位置、形容詞類(lèi)的關(guān)鍵詞與提供產(chǎn)品或者服務(wù)的關(guān)鍵詞名稱(chēng)合并，形成長(zhǎng)尾關(guān)鍵詞競(jìng)爭(zhēng)度會(huì)更強(qiáng)等。采用定性方法進(jìn)行SEO關(guān)鍵詞分析，很大程度上需要憑借SEO人員的經(jīng)驗(yàn)進(jìn)行，準(zhǔn)確度不高。因此，如何快速、準(zhǔn)確地對(duì)SEO關(guān)鍵詞競(jìng)爭(zhēng)度進(jìn)行量化分析，成為SEO人員迫切需要解決的重要問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，克服了人工憑借經(jīng)驗(yàn)進(jìn)行SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算效率低、準(zhǔn)確性差的問(wèn)題。本發(fā)明所采用的技術(shù)方案是基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，包括以下步驟(I)選取關(guān)鍵詞搜索結(jié)果數(shù)量P1、使用intitle指令搜索得到的結(jié)果頁(yè)面數(shù)P2、搜索結(jié)果是否存在付費(fèi)推廣P3、搜索結(jié)果第一頁(yè)中網(wǎng)站內(nèi)頁(yè)數(shù)P4、關(guān)鍵詞在搜索結(jié)果第一頁(yè)標(biāo)題中出現(xiàn)的次數(shù)P5、關(guān)鍵詞長(zhǎng)度P6作為關(guān)鍵詞競(jìng)爭(zhēng)程度C的影響因素；(2)訓(xùn)練數(shù)據(jù)集的生成按照“關(guān)鍵詞，Pl，P2，P3，P4，P5，P6，C”為一條優(yōu)化數(shù)據(jù)記錄，整理歷史優(yōu)化數(shù)據(jù)，并對(duì)相應(yīng)的屬性進(jìn)行概化，形成訓(xùn)練數(shù)據(jù)集；(3)根據(jù)訓(xùn)練數(shù)據(jù)集構(gòu)建決策樹(shù)以P1-P6為非類(lèi)別屬性，以C為類(lèi)別屬性，采用C4. 5算法構(gòu)建出相應(yīng)的決策樹(shù)，該決策樹(shù)等價(jià)于一系列規(guī)則；(4)應(yīng)用決策樹(shù)進(jìn)行關(guān)鍵詞競(jìng)爭(zhēng)程度分析將待決策的SEO關(guān)鍵詞數(shù)據(jù)引入到上述決策樹(shù)中去，并計(jì)算出相應(yīng)的分析結(jié)果。所述步驟(2)的屬性值概化方法如下將Pl 屬性概化為四個(gè)區(qū)間，SP {S1 :
}；
將P5 屬性概化為三個(gè)區(qū)間，即{VI :
}；將P6 屬性概化為四個(gè)區(qū)間，SP :{ffl :
I)以Ρ1-Ρ6為非類(lèi)別屬性，以C為類(lèi)別屬性，根據(jù)信息增益率公式，計(jì)算出當(dāng)前信息增益率最大的屬性；2)將該屬性作為樹(shù)的根節(jié)點(diǎn)；3)根據(jù)該屬性值的個(gè)數(shù)將訓(xùn)練表中的數(shù)據(jù)分為相應(yīng)的分支；4)對(duì)于每個(gè)分支，重復(fù)I)-3)的過(guò)程，直到所有的數(shù)據(jù)都用光為止；5)將I) -4)過(guò)程中找到的屬性連起來(lái)，就是一個(gè)決策樹(shù)，葉子節(jié)點(diǎn)上是“競(jìng)爭(zhēng)很強(qiáng)”，“競(jìng)爭(zhēng)較強(qiáng)”，“競(jìng)爭(zhēng)較小”，“競(jìng)爭(zhēng)很小”這四個(gè)類(lèi)別值。所述步驟(4)還包括以下步驟a).記錄需要預(yù)測(cè)的關(guān)鍵詞，獲取其對(duì)應(yīng)的影響因素P1-P6的值，P1-P6的獲取可以通過(guò)在搜索引擎中輸入關(guān)鍵詞，查看搜索結(jié)果的各項(xiàng)指標(biāo)的形式完成；b).將記錄中與決策樹(shù)根對(duì)應(yīng)的屬性值檢索出來(lái)，并與決策樹(shù)根屬性的值進(jìn)行比較，根據(jù)比較的結(jié)果決定下一層分支點(diǎn)的屬性；c).將記錄中與決策樹(shù)下一層分支點(diǎn)屬性對(duì)應(yīng)的值提取出來(lái)，與該分支點(diǎn)的值比較，根據(jù)比較結(jié)果決定更下一層分支點(diǎn)的屬性；d).重復(fù)c)的過(guò)程，直到所有的屬性值都比較完畢，或者已經(jīng)到達(dá)決策樹(shù)葉子節(jié)點(diǎn)；該決策樹(shù)葉子節(jié)點(diǎn)所對(duì)應(yīng)的數(shù)值就是檢測(cè)結(jié)果。本發(fā)明的有益效果本發(fā)明提供的基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，能夠快速、準(zhǔn)確的對(duì)關(guān)鍵詞進(jìn)行量化分析，給SEO優(yōu)化人員提供優(yōu)化建議，提高SEO優(yōu)化人員的工作效率。
具體實(shí)施例方式下面結(jié)合具體實(shí)施方式
對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，首先選取影響關(guān)鍵詞競(jìng)爭(zhēng)程度的因素PL P2，P3，P4，P5和P6，然后按照“關(guān)鍵詞，Pl，P2，P3，P4，P5，P6，C，，為一條優(yōu)化數(shù)據(jù)記錄，整理歷史優(yōu)化數(shù)據(jù)，并對(duì)相應(yīng)的屬性進(jìn)行概化，形成訓(xùn)練數(shù)據(jù)集，再以P1-P6為非類(lèi)別屬性，C為類(lèi)別屬性，采用C4. 5算法構(gòu)建出相應(yīng)的決策樹(shù)，最后將待決策的SEO關(guān)鍵詞數(shù)據(jù)引入上決策樹(shù)中去，并計(jì)算出相應(yīng)的分析結(jié)果。該方法的具體步驟如下(I)選取關(guān)鍵詞搜索結(jié)果數(shù)量P1、使用intitle指令搜索得到的結(jié)果頁(yè)面數(shù)P2、搜索結(jié)果是否存在付費(fèi)推廣P3、搜索結(jié)果第一頁(yè)中網(wǎng)站內(nèi)頁(yè)數(shù)P4、關(guān)鍵詞在搜索結(jié)果第一頁(yè)標(biāo)題中出現(xiàn)的次數(shù)P5、關(guān)鍵詞長(zhǎng)度P6作為關(guān)鍵詞競(jìng)爭(zhēng)程度的影響因素。以下分別對(duì)這些影響因素作出解釋分析關(guān)鍵詞搜索結(jié)果數(shù)量Pl :搜索結(jié)果頁(yè)面都會(huì)顯示關(guān)鍵詞返回的相關(guān)頁(yè)面總數(shù)。這個(gè)結(jié)果是搜索引擎經(jīng)過(guò)計(jì)算認(rèn)為與搜索詞相關(guān)的所有頁(yè)面，也就是參與這個(gè)關(guān)鍵詞競(jìng)爭(zhēng)的所有頁(yè)面。一般來(lái)說(shuō)，結(jié)果數(shù)越多，說(shuō)明和該關(guān)鍵詞相關(guān)的網(wǎng)絡(luò)資源越豐富，因此競(jìng)爭(zhēng)也就越激烈。使用intitle指令搜索得到的結(jié)果頁(yè)面數(shù)P2 :該結(jié)果數(shù)是指通過(guò)搜索引擎指令“intitle :關(guān)鍵詞”檢索得到的結(jié)果頁(yè)面數(shù)。有些情況下，單純搜索關(guān)鍵詞返回的結(jié)果中包含頁(yè)面上出現(xiàn)關(guān)鍵詞但頁(yè)面標(biāo)題中沒(méi)有出現(xiàn)的頁(yè)面，這些頁(yè)面雖然也有一點(diǎn)相關(guān)性，但很可能只是偶然在頁(yè)面上提到關(guān)鍵詞而已，并沒(méi)有針對(duì)關(guān)鍵詞優(yōu)化，這些頁(yè)面針對(duì)這個(gè)特定關(guān)鍵詞的競(jìng)爭(zhēng)實(shí)力很低。采用這種方式檢索到的結(jié)果能夠在一定程度上反映出關(guān)鍵詞的競(jìng)爭(zhēng)情況。 搜索結(jié)果是否存在付費(fèi)推廣P3 :指的是搜索結(jié)果頁(yè)面右側(cè)是否有付費(fèi)推廣信息。一般來(lái)說(shuō)廣告商內(nèi)部有專(zhuān)業(yè)人員做關(guān)鍵詞研究和廣告投放，他們必然已經(jīng)做了詳細(xì)的競(jìng)爭(zhēng)程度分析及盈利分析，只有能產(chǎn)生效果和盈利的關(guān)鍵詞，他們才會(huì)去投放廣告。因此，搜索結(jié)果是否存在付費(fèi)推廣在某種程度上反映出了關(guān)鍵詞的競(jìng)爭(zhēng)程度，可作為衡量關(guān)鍵詞競(jìng)爭(zhēng)程度的指標(biāo)之一。搜索結(jié)果第一頁(yè)中網(wǎng)站內(nèi)頁(yè)數(shù)P4 :檢索到的每個(gè)結(jié)果都有一個(gè)鏈接，這個(gè)鏈接可以是網(wǎng)站內(nèi)頁(yè)、列表頁(yè)，或者是網(wǎng)站的首頁(yè)。重要程度按首頁(yè)、列表頁(yè)、網(wǎng)站內(nèi)頁(yè)依次遞減，因此，搜索結(jié)果第一頁(yè)中內(nèi)頁(yè)數(shù)的多少也可以反映出關(guān)鍵詞的競(jìng)爭(zhēng)程度。關(guān)鍵詞在搜索結(jié)果第一頁(yè)標(biāo)題中出現(xiàn)的次數(shù)P5:有些情況下，檢索關(guān)鍵詞僅在檢索結(jié)果摘要中顯示，標(biāo)題中卻不包含關(guān)鍵詞，這些頁(yè)面可能與關(guān)鍵詞之間的相關(guān)性較小，因此檢索關(guān)鍵詞在標(biāo)題中出現(xiàn)的次數(shù)也能反映出該關(guān)鍵詞的競(jìng)爭(zhēng)程度。關(guān)鍵詞長(zhǎng)度P6 :用戶輸入的關(guān)鍵詞越長(zhǎng)，代表檢索目標(biāo)越明確，往往造成檢索數(shù)量越少，因此越長(zhǎng)的關(guān)鍵詞往往更容易優(yōu)化到靠前的位置。(2)訓(xùn)練數(shù)據(jù)集的生成按照“關(guān)鍵詞，Pl，P2，P3，P4，P5，P6，C”為一條優(yōu)化數(shù)據(jù)記錄，整理歷史優(yōu)化數(shù)據(jù)，并對(duì)相應(yīng)的屬性進(jìn)行概化，形成訓(xùn)練數(shù)據(jù)集。屬性概化方法如下將Pl 屬性概化為四個(gè)區(qū)間，SP {S1 :
}；將Ρ5 屬性概化為三個(gè)區(qū)間，即{VI :
}；將P6 屬性概化為四個(gè)區(qū)間，SP :{ffl :
3)根據(jù)該屬性值的個(gè)數(shù)將訓(xùn)練表中的數(shù)據(jù)分為相應(yīng)的分支，如P2在10萬(wàn)-50萬(wàn)范圍的記錄放入根節(jié)點(diǎn)第一個(gè)子樹(shù)分支；4)對(duì)于每個(gè)分支，重復(fù)I) -3)的過(guò)程，直到所有的數(shù)據(jù)都用光為止；5)將I) -4)過(guò)程中找到的屬性連起來(lái)，就是一個(gè)決策樹(shù)，葉子節(jié)點(diǎn)上是“競(jìng)爭(zhēng)很強(qiáng)”，“競(jìng)爭(zhēng)較強(qiáng)”，“競(jìng)爭(zhēng)較小”，“競(jìng)爭(zhēng)很小”這四個(gè)類(lèi)別。C4. 5算法利用信息增益率來(lái)選擇分類(lèi)屬性，通過(guò)遞歸運(yùn)算構(gòu)造決策樹(shù)分支。①設(shè)S是訓(xùn)練集，是s個(gè)數(shù)據(jù)樣本的集合，類(lèi)別屬性具有m個(gè)不同值Ci，si是類(lèi)Ci中的樣本數(shù)，Pi是任意樣本屬于Ci的概率，并用si/s估計(jì)。任意樣本分類(lèi)的期望信息
mI(S1 為，·.·，s,n ) = -YjPi Iog2 (P,)
^=I②由非類(lèi)別屬性A劃分為子集的熵
VE(A) = ^(Slj + …+ smJ) Is χ !(Slj +... + Smj)
仁I其中，非類(lèi)別屬性A具有V個(gè)不同值{al，a2，一,av}。利用A將S劃分為V個(gè)子集{SI，S2，其中Sj包含S中在A上具有值aj的樣本。Si j是子集Sj中類(lèi)Ci的樣本數(shù)。③屬性A的信息增益為Gain (A) = I (S1, +S2+. . . +sm) -E (A)④在C4. 5算法中引入屬性的分裂信息來(lái)糾正信息增益，分裂信息定義如下Spl/ifnformalion(A, S)=-之 #/ ',
T=J I ^ I I ^ I其中，S1到Sc是屬性A分割S而形成的c個(gè)樣本子集。分裂信息是S關(guān)于屬性A的各值的熵。⑤信息增益比率為
KGaln(A)(jamRa!io(A, Sj =-----
SpI "lnforma I ion (A，,V根據(jù)信息增益比率公式的定義將屬性P1-P6進(jìn)行，具有最高信息增益率的屬性選作給定集合S的測(cè)試屬性。創(chuàng)建一個(gè)根節(jié)點(diǎn)，并以該屬性標(biāo)記，對(duì)屬性的每個(gè)值創(chuàng)建分枝，然后遞歸建樹(shù)，最終完成決策樹(shù)的構(gòu)造，其中每一個(gè)節(jié)點(diǎn)都是屬性中具有最大增益率的屬性。(4)應(yīng)用決策樹(shù)進(jìn)行關(guān)鍵詞競(jìng)爭(zhēng)程度分析將待決策的SEO關(guān)鍵詞數(shù)據(jù)引入到上述決策樹(shù)中去，并計(jì)算出相應(yīng)的分析結(jié)果。該步驟還包括以下步驟a).記錄需要預(yù)測(cè)的關(guān)鍵詞，獲取其對(duì)應(yīng)的影響因素P1-P6的值，P1-P6的獲取可以通過(guò)在搜索引擎中輸入關(guān)鍵詞，查看搜索結(jié)果的各項(xiàng)指標(biāo)的形式完成；b).將記錄中與決策樹(shù)根對(duì)應(yīng)的屬性值檢索出來(lái)，并與決策樹(shù)根屬性的值進(jìn)行比較，根據(jù)比較的結(jié)果決定下一層分支點(diǎn)的屬性；c).將記錄中與決策樹(shù)下一層分支點(diǎn)屬性對(duì)應(yīng)的值提取出來(lái)，與該分支點(diǎn)的值比較，根據(jù)比較結(jié)果決定更下一層分支點(diǎn)的屬性；d).重復(fù)c)的過(guò)程，直到所有的屬性值都比較完畢，或者已經(jīng)到達(dá)決策樹(shù)葉子節(jié)點(diǎn)；該決策樹(shù)葉子節(jié)點(diǎn)所對(duì)應(yīng)的數(shù)值就是檢測(cè)結(jié)果。
如果某個(gè)關(guān)鍵詞記錄通過(guò)上述的1)-4)的過(guò)程，達(dá)到的葉子節(jié)點(diǎn)的值是“競(jìng)爭(zhēng)很強(qiáng)”，則代表對(duì)于該關(guān)鍵詞的競(jìng)爭(zhēng)程度結(jié)果是“競(jìng)爭(zhēng)很強(qiáng)”。
權(quán)利要求
1.基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，其特征在于，包括以下步驟 (1)選取關(guān)鍵詞搜索結(jié)果數(shù)量P1、使用intitle指令搜索得到的結(jié)果頁(yè)面數(shù)P2、搜索結(jié)果是否存在付費(fèi)推廣P3、搜索結(jié)果第一頁(yè)中網(wǎng)站內(nèi)頁(yè)數(shù)P4、關(guān)鍵詞在搜索結(jié)果第一頁(yè)標(biāo)題中出現(xiàn)的次數(shù)P5、關(guān)鍵詞長(zhǎng)度P6作為關(guān)鍵詞競(jìng)爭(zhēng)程度C的影響因素； (2)訓(xùn)練數(shù)據(jù)集的生成按照“關(guān)鍵詞，Pl，P2，P3，P4，P5，P6，C”為一條優(yōu)化數(shù)據(jù)記錄，整理歷史優(yōu)化數(shù)據(jù)，并對(duì)相應(yīng)的屬性進(jìn)行概化，形成訓(xùn)練數(shù)據(jù)集； (3)根據(jù)訓(xùn)練數(shù)據(jù)集構(gòu)建決策樹(shù)以P1-P6為非類(lèi)別屬性，以C為類(lèi)別屬性，采用C4.5算法構(gòu)建出相應(yīng)的決策樹(shù)，該決策樹(shù)等價(jià)于一系列規(guī)則； (4)應(yīng)用決策樹(shù)進(jìn)行關(guān)鍵詞競(jìng)爭(zhēng)程度分析將待決策的SEO關(guān)鍵詞數(shù)據(jù)引入到上述決策樹(shù)中去，并計(jì)算出相應(yīng)的分析結(jié)果。
2.根據(jù)權(quán)利要求I所述的基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，其特征在于，所述步驟(2)的屬性值概化方法如下 將Pl屬性概化為四個(gè)區(qū)間，即{S1 :
}； 將 P5 屬性概化為三個(gè)區(qū)間，即{V1 :
}； 將 P6 屬性概化為四個(gè)區(qū)間，SP {ffl [0,6),W2 [6,10),W3 [10, 20)}； 按搜索結(jié)果是否存在付費(fèi)推廣P3可劃分為Y (存在)；N (不存在)； C分為四個(gè)級(jí)別“競(jìng)爭(zhēng)很強(qiáng)”，“競(jìng)爭(zhēng)較強(qiáng)”，“競(jìng)爭(zhēng)較小”，“競(jìng)爭(zhēng)很小”。其中“競(jìng)爭(zhēng)很強(qiáng)”指的是由于該關(guān)鍵詞競(jìng)爭(zhēng)激烈，只能優(yōu)化該關(guān)鍵詞為35名之后；“競(jìng)爭(zhēng)較強(qiáng)”是指優(yōu)化關(guān)鍵詞排名在15至35，“競(jìng)爭(zhēng)較小”是指將關(guān)鍵詞優(yōu)化到4至12名，“競(jìng)爭(zhēng)很小”是該關(guān)鍵詞能夠優(yōu)化到搜索引擎檢索結(jié)果的前3名。
3.根據(jù)權(quán)利要求I或2所述的基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，其特征在于，所述步驟(3)中C4. 5算法是一種貪心算法，即選擇最優(yōu)的一個(gè)屬性作為下一階段的檢測(cè)屬性，具體過(guò)程如下 1)以P1-P6為非類(lèi)別屬性，以C為類(lèi)別屬性，根據(jù)信息增益率公式，計(jì)算出當(dāng)前信息增益率最大的屬性； 2)將該屬性作為樹(shù)的根節(jié)點(diǎn)； 3)根據(jù)該屬性值的個(gè)數(shù)將訓(xùn)練表中的數(shù)據(jù)分為相應(yīng)的分支； 4)對(duì)于每個(gè)分支，重復(fù)I)-3)的過(guò)程，直到所有的數(shù)據(jù)都用光為止； 5)將I)-4)過(guò)程中找到的屬性連起來(lái)，就是一個(gè)決策樹(shù)，葉子節(jié)點(diǎn)上是“競(jìng)爭(zhēng)很強(qiáng)”，“競(jìng)爭(zhēng)較強(qiáng)”，“競(jìng)爭(zhēng)較小”，“競(jìng)爭(zhēng)很小”這四個(gè)類(lèi)別值。
4.根據(jù)權(quán)利要求3所述的基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，其特征在于，所述步驟(4)還包括以下步驟 a).記錄需要預(yù)測(cè)的關(guān)鍵詞，獲取其對(duì)應(yīng)的影響因素P1-P6的值，P1-P6的獲取可以通過(guò)在搜索引擎中輸入關(guān)鍵詞，查看搜索結(jié)果的各項(xiàng)指標(biāo)的形式完成； b).將記錄中與決策樹(shù)根對(duì)應(yīng)的屬性值檢索出來(lái)，并與決策樹(shù)根屬性的值進(jìn)行比較，根據(jù)比較的結(jié)果決定下一層分支點(diǎn)的屬性； C).將記錄中與決策樹(shù)下一層分支點(diǎn)屬性對(duì)應(yīng)的值提取出來(lái)，與該分支點(diǎn)的值比較，根據(jù)比較結(jié)果決定更下一層分支點(diǎn)的屬性； d).重復(fù)C)的過(guò)程，直到所有的屬性值都比較完畢，或者已經(jīng)到達(dá)決策樹(shù)葉子節(jié)點(diǎn)；該決策樹(shù)葉子節(jié)點(diǎn)所對(duì)應(yīng)的數(shù)值就是檢測(cè)結(jié)果。
全文摘要
本發(fā)明公開(kāi)了一種基于決策樹(shù)算法的SEO關(guān)鍵詞競(jìng)爭(zhēng)程度計(jì)算方法，首先選取影響關(guān)鍵詞競(jìng)爭(zhēng)程度的因素P1，P2，P3，P4，P5和P6，然后按照“關(guān)鍵詞，P1，P2，P3，P4，P5，P6和C”為一條優(yōu)化數(shù)據(jù)記錄，整理歷史優(yōu)化數(shù)據(jù)，并對(duì)相應(yīng)的屬性進(jìn)行概化，形成訓(xùn)練數(shù)據(jù)集，再以P1-P6為非類(lèi)別屬性，C為類(lèi)別屬性，采用C4.5算法構(gòu)建出相應(yīng)的決策樹(shù)，最后將待決策的SEO關(guān)鍵詞數(shù)據(jù)引入上決策樹(shù)中去，并計(jì)算出相應(yīng)的分析結(jié)果。本發(fā)明能夠快速、準(zhǔn)確的對(duì)關(guān)鍵詞進(jìn)行量化分析，給SEO優(yōu)化人員提供優(yōu)化建議，提高SEO優(yōu)化人員的工作效率。
文檔編號(hào)G06F17/30GK102968447SQ20121041160
公開(kāi)日2013年3月13日 申請(qǐng)日期2012年10月24日 優(yōu)先權(quán)日2012年10月24日
發(fā)明者朱欣娟, 譚志強(qiáng) 申請(qǐng)人:西安工程大學(xué)