本發(fā)明涉及語(yǔ)義網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及改進(jìn)的模糊C-均值算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化。

背景技術(shù)：

由于用戶在互聯(lián)網(wǎng)檢索信息時(shí)，通常的手段是使用搜索引擎進(jìn)行搜索，用戶對(duì)搜索結(jié)果頁(yè)面的關(guān)注點(diǎn)不在付費(fèi)推廣的鏈接區(qū)域，而是聚焦于自然排名的搜索結(jié)果處，因此進(jìn)行搜索引擎優(yōu)化來(lái)提高自然排名就變得尤為重要。對(duì)于大部分企業(yè)來(lái)說(shuō)，進(jìn)行搜索引擎優(yōu)化是投入少、回報(bào)高的營(yíng)銷行為，搜索引擎優(yōu)化對(duì)于企業(yè)網(wǎng)站的網(wǎng)絡(luò)營(yíng)銷起著重要的作用。搜索引擎優(yōu)化技術(shù)包括黑帽技術(shù)和白帽技術(shù)，目前各搜索引擎已經(jīng)引入相關(guān)技術(shù)和規(guī)則對(duì)使用黑帽技術(shù)的網(wǎng)站進(jìn)行懲罰；白帽技術(shù)則表示被搜索引擎認(rèn)可的優(yōu)化技術(shù)。一個(gè)商業(yè)網(wǎng)站以其核心關(guān)鍵字在主流搜索引擎中獲得自然排名優(yōu)先，在今天的商業(yè)社會(huì)，有著非比尋常的價(jià)值。因此關(guān)鍵字也常被稱為是整個(gè)搜索應(yīng)用的基石。關(guān)鍵詞的使用是否得當(dāng)，直接關(guān)系到網(wǎng)站在搜索引擎的搜索結(jié)果中的位置，現(xiàn)今，暫未提出一個(gè)有效的方法來(lái)簡(jiǎn)化關(guān)鍵詞分析流程，也沒有一個(gè)完善的機(jī)制來(lái)管理關(guān)鍵詞優(yōu)化策略和進(jìn)度，基于上述需求，本發(fā)明提供了改進(jìn)的模糊C-均值算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)于關(guān)鍵詞優(yōu)化實(shí)現(xiàn)搜索引擎優(yōu)化的技術(shù)問題，本發(fā)明提供了改進(jìn)的模糊C-均值算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化。

為了解決上述問題，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

步驟1：根據(jù)企業(yè)業(yè)務(wù)確定核心關(guān)鍵詞，利用搜索引擎搜集相關(guān)關(guān)鍵字，這些關(guān)鍵字在搜索引擎中有相應(yīng)數(shù)據(jù)項(xiàng)，如本國(guó)每月搜索量、競(jìng)爭(zhēng)程度和估算每次點(diǎn)擊費(fèi)用(CPC)等

步驟2：結(jié)合企業(yè)產(chǎn)品和市場(chǎng)分析，篩選降維上述搜索到的相關(guān)關(guān)鍵字集合；

步驟3：針對(duì)篩選降維后的關(guān)鍵詞集合，通過搜索引擎搜索關(guān)鍵詞對(duì)應(yīng)的頁(yè)面，這里記錄首頁(yè)網(wǎng)頁(yè)數(shù)和總搜索頁(yè)面數(shù)，即每個(gè)關(guān)鍵詞由五維向量再降維為四維的。

步驟4：改進(jìn)的模糊C-均值算法，對(duì)上述關(guān)鍵詞進(jìn)行聚類處理，其具體子步驟如下：

步驟4.1：初始化數(shù)據(jù)對(duì)象集合D為C類，用值[0,1]間的隨機(jī)數(shù)初始化隸屬矩陣J，使其滿足隸屬的整個(gè)約束條件

步驟4.2：初始化每一個(gè)ε領(lǐng)域的相似度函數(shù)構(gòu)建C類總目標(biāo)函數(shù)

步驟4.3：根據(jù)判定函數(shù)Δ(S)的結(jié)果，重新計(jì)算各簇中心；

步驟4.4：用w_ij計(jì)算新的隸屬矩陣J，則轉(zhuǎn)到步驟4.2，否則迭代結(jié)束，輸出聚類結(jié)果。

步驟5：根據(jù)企業(yè)具體情況，綜合關(guān)鍵詞效能優(yōu)化和價(jià)值率優(yōu)化，選擇合適的關(guān)鍵詞優(yōu)化策略達(dá)到網(wǎng)站優(yōu)化目標(biāo)。

本發(fā)明有益效果是：

1，此算法可以精簡(jiǎn)關(guān)鍵詞分析流程，進(jìn)而減少整個(gè)網(wǎng)站優(yōu)化工作量。

2，此算法的運(yùn)行時(shí)間復(fù)雜度低，處理速度更快。

3、此算法具有更大的利用價(jià)值。

4、能幫助網(wǎng)站在短時(shí)間內(nèi)快速提升其關(guān)鍵詞的排名。

5、為企業(yè)網(wǎng)站帶來(lái)一定的流量和詢盤，從而達(dá)到理想的網(wǎng)站優(yōu)化目標(biāo)。

6、此算法精確地分配了每個(gè)領(lǐng)域密度與相似度的權(quán)重系數(shù)，分類結(jié)果的準(zhǔn)確度更符合經(jīng)驗(yàn)值。

7、此算法得到的聚類結(jié)果信噪比更好。

8，避免結(jié)果過早收斂。

附圖說(shuō)明

圖1改進(jìn)的模糊C-均值算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化結(jié)構(gòu)流程圖

圖2改進(jìn)的模糊C-均值算法在聚類分析中的應(yīng)用流程圖

具體實(shí)施方式

為了解決關(guān)鍵詞優(yōu)化實(shí)現(xiàn)搜索引擎優(yōu)化的技術(shù)問題，結(jié)合圖1-圖2對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，其具體實(shí)施步驟如下：

步驟1：根據(jù)企業(yè)業(yè)務(wù)確定核心關(guān)鍵詞，利用搜索引擎搜集相關(guān)關(guān)鍵字，這些關(guān)鍵字在搜索引擎中有相應(yīng)數(shù)據(jù)項(xiàng)，如本國(guó)每月搜索量、競(jìng)爭(zhēng)程度和估算每次點(diǎn)擊費(fèi)用(CPC)等。

步驟2：結(jié)合企業(yè)產(chǎn)品和市場(chǎng)分析，篩選降維上述搜索到的相關(guān)關(guān)鍵字集合；

步驟3：針對(duì)篩選降維后的關(guān)鍵詞集合，通過搜索引擎搜索關(guān)鍵詞對(duì)應(yīng)的頁(yè)面，這里記錄首頁(yè)網(wǎng)頁(yè)數(shù)和總搜索頁(yè)面數(shù)，即每個(gè)關(guān)鍵詞由五維向量再降維為四維的，其具體計(jì)算過程如下：

這里相關(guān)關(guān)鍵詞個(gè)數(shù)為m，既有下列m×5矩陣：

N_i、Ld_i、CPC_i、N_iS、N_iY依次為第i個(gè)關(guān)鍵詞對(duì)應(yīng)的本國(guó)每月搜索量、競(jìng)爭(zhēng)程度、估算每次點(diǎn)擊費(fèi)用(CPC)、首頁(yè)網(wǎng)頁(yè)數(shù)、總搜索頁(yè)面數(shù)。

再降維為四維，即

X_{i∈(1，2，…，m)}為搜索效能，Z_{i∈(1，2，…，m)}為價(jià)值率，即為下式：

步驟4：改進(jìn)的模糊C-均值算法，對(duì)上述關(guān)鍵詞進(jìn)行聚類處理，其具體子步驟如下：

步驟4.1：初始化數(shù)據(jù)對(duì)象集合D為C類，用值[0,1]間的隨機(jī)數(shù)初始化隸屬矩陣J，使其滿足隸屬的整個(gè)約束條件，其具體計(jì)算過程如下：

根據(jù)ε領(lǐng)域初始化數(shù)據(jù)對(duì)象集合D劃分為C類；

初始化隸屬矩陣J為m×C：

w_ij為關(guān)鍵詞i屬于j類的程度系數(shù)，即j∈(1，2，…，C)、i∈(1，2，…，m)。

隸屬的整個(gè)約束條件為：

步驟4.2：初始化每一個(gè)ε領(lǐng)域的相似度函數(shù)構(gòu)建C類總目標(biāo)函數(shù)其具體計(jì)算過程如下：

上式n_ε為每一個(gè)ε領(lǐng)域內(nèi)數(shù)據(jù)對(duì)象的個(gè)數(shù)，為每一個(gè)ε領(lǐng)域內(nèi)第i個(gè)關(guān)鍵詞向量與其中心點(diǎn)向量的相似度，α、β分別為數(shù)量n_ε、相似度函數(shù)的影響系數(shù)，且α+β＝1，α＜β，其值可以根據(jù)實(shí)驗(yàn)迭代出合適的值。

為屬于j類的第i個(gè)關(guān)鍵詞的空間向量，為j類簇中心向量，h為向量對(duì)應(yīng)元素的個(gè)數(shù)。

構(gòu)建C類總目標(biāo)函數(shù)為：

λ₁，λ₂，…，λ_m為n個(gè)約束式的拉格朗日乘子。對(duì)所有輸入?yún)⒘壳髮?dǎo)，即可得使上式達(dá)到最大的必要條件，即w_ij、C_j的值；

上式為關(guān)鍵詞i所對(duì)應(yīng)的向量；

步驟4.3：根據(jù)判定函數(shù)Δ(S)的結(jié)果，重新計(jì)算各簇中心，其具體計(jì)算過程如下：

當(dāng)前迭代得到的全局相似度函數(shù)，為前一次迭代得到的全局相似度函數(shù)，當(dāng)?shù)玫降牡Y(jié)果差值滿足上式判定條件，則算法停止。

步驟4.4：用w_ij計(jì)算新的隸屬矩陣J，則轉(zhuǎn)到步驟4.2，否則迭代結(jié)束，輸出聚類結(jié)果。

改進(jìn)的模糊C-均值算法的具體結(jié)構(gòu)流程如圖2。

步驟5：根據(jù)企業(yè)具體情況，綜合關(guān)鍵詞效能優(yōu)化和價(jià)值率優(yōu)化，選擇合適的關(guān)鍵詞優(yōu)化策略達(dá)到網(wǎng)站優(yōu)化目標(biāo)。

改進(jìn)的模糊C-均值算法實(shí)現(xiàn)搜索引擎關(guān)鍵詞優(yōu)化，其偽代碼過程

輸入：網(wǎng)站提取的核心關(guān)鍵詞，基于ε領(lǐng)域初始化簇，隨機(jī)初始化隸屬矩陣J；

輸出：全局相似度函數(shù)的總和最大的C個(gè)簇。