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)的決策樹(shù)分類(lèi)算法實(shí)現(xiàn)搜索引擎優(yōu)化技術(shù)。

背景技術(shù)：

隨著互聯(lián)網(wǎng)技術(shù)不斷發(fā)展，網(wǎng)絡(luò)信息量迅速增長(zhǎng)，面對(duì)數(shù)量如此巨大的網(wǎng)站和網(wǎng)頁(yè)，搜索引擎就成了人們查找網(wǎng)絡(luò)信息的必要工具。搜索引擎優(yōu)化，簡(jiǎn)稱(chēng)通俗的講是通過(guò)對(duì)網(wǎng)站整體架構(gòu)，網(wǎng)頁(yè)內(nèi)容、關(guān)鍵詞以及網(wǎng)頁(yè)內(nèi)的鏈接進(jìn)行相關(guān)的優(yōu)化工作，提高其在特定搜索引擎上搜索結(jié)果中的排名，從而提高網(wǎng)站訪(fǎng)問(wèn)量,最終提升網(wǎng)站的銷(xiāo)售能力或宣傳能力的技術(shù)。目前對(duì)于搜索引擎優(yōu)化的概念尚沒(méi)有統(tǒng)一的說(shuō)法，歸納來(lái)說(shuō)，搜索引擎優(yōu)化的概念主要是從優(yōu)化的原則、優(yōu)化的方法及優(yōu)化的目的三部分來(lái)定義的，同時(shí)關(guān)于搜索引擎優(yōu)化方法的理論研究已較為豐富，如黑帽技術(shù)和白帽技術(shù)。搜索引擎優(yōu)化策略，分別是域名策略、網(wǎng)頁(yè)設(shè)計(jì)規(guī)劃策略、關(guān)鍵詞策略以及鏈接策略。SEO歸根結(jié)底是關(guān)鍵詞的優(yōu)化策略，現(xiàn)今國(guó)內(nèi)外對(duì)關(guān)鍵詞優(yōu)化的理論研究和技術(shù)應(yīng)用比較多，但暫未提出一個(gè)有效的方法來(lái)簡(jiǎn)化關(guān)鍵詞分析流程，也沒(méi)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)明提供了一種改進(jìn)的決策樹(shù)分類(lèi)算法實(shí)現(xiàn)搜索引擎優(yōu)化技術(shù)。

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(wèn)題，本發(fā)明提供了改進(jìn)的決策樹(shù)分類(lèi)算法實(shí)現(xiàn)搜索引擎優(yōu)化技術(shù)。

為了解決上述問(wèn)題，本發(fā)明是通過(guò)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(guò)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)的決策樹(shù)分類(lèi)算法，對(duì)上述關(guān)鍵詞進(jìn)行分類(lèi)處理，其具體子步驟如下：

步驟4.1：根據(jù)訓(xùn)練數(shù)據(jù)集構(gòu)造決策樹(shù)分類(lèi)器模型，其具體子步驟如下：

步驟4.1.1：設(shè)訓(xùn)練集樣本X，屬性個(gè)數(shù)為4，即(S₁，S₂，S₃，S₄),同時(shí)分裂屬性S_i對(duì)應(yīng)了k個(gè)類(lèi)，其中L_r∈(L₁，L₂…，L_k),i∈(1，2，3，4)，r∈(1，2…，k)。相關(guān)領(lǐng)域用戶(hù)設(shè)定好屬性S_i誤分類(lèi)代價(jià)矩陣

步驟4.1.2：創(chuàng)建根節(jié)點(diǎn)G。

步驟4.1.3：如果訓(xùn)練數(shù)據(jù)集為空，則返回結(jié)點(diǎn)G并標(biāo)記失敗。

步驟4.1.4：如果訓(xùn)練數(shù)據(jù)集中所有記錄都屬于同一類(lèi)別，則該類(lèi)型標(biāo)記結(jié)點(diǎn)G。

步驟4.1.5：如果候選屬性為空，則返回G為葉子結(jié)點(diǎn)，標(biāo)記為訓(xùn)練數(shù)據(jù)集中最普通的類(lèi)。

步驟4.1.6：根據(jù)屬性S_i的信息量D(S_i)從選擇屬性中選擇splitS。

步驟4.1.7：取D(S_i)最大的標(biāo)記節(jié)點(diǎn)G為屬性splitS_i。

步驟4.1.8：由節(jié)點(diǎn)延伸出滿(mǎn)足條件為splitS＝splitS_i分支以及splitS_i＝splitS_ij子分支,如果滿(mǎn)足以下兩條件之一，就停止建樹(shù)。

4.1.8.1這里假設(shè)Y_i為訓(xùn)練數(shù)據(jù)集中splitS＝splitS_i的樣本集合，如果Y_i為空，加上一個(gè)葉子結(jié)點(diǎn)，標(biāo)記為訓(xùn)練數(shù)據(jù)集中最普通的類(lèi)。

4.1.8.2此節(jié)點(diǎn)中所有例子屬于同一類(lèi)。

步驟4.1.9：非4.1.8.1與4.1.8.2中情況，則遞歸調(diào)用步驟4.1.6至步驟4.1.8。

步驟4.1.10：保存已生成的決策樹(shù)分類(lèi)器。

步驟4.2：應(yīng)用上述的分類(lèi)器模型，對(duì)步驟3中得到的關(guān)鍵詞進(jìn)行分類(lèi)，即可得到最佳k類(lèi)；

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)鍵詞排名。

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

6、此算法分類(lèi)結(jié)果的準(zhǔn)確度更符合經(jīng)驗(yàn)值；

7、構(gòu)建了領(lǐng)域內(nèi)系統(tǒng)化分類(lèi)器，簡(jiǎn)化了后續(xù)搜索引擎優(yōu)化工作。

8、在分類(lèi)過(guò)程中，避免了屬性中存在偏置問(wèn)題。

9、選擇屬性呈現(xiàn)的數(shù)據(jù)結(jié)果得到更好的優(yōu)化。

附圖說(shuō)明

圖1改進(jìn)的決策樹(shù)分類(lèi)算法實(shí)現(xiàn)搜索引擎優(yōu)化技術(shù)結(jié)構(gòu)流程圖

圖2改進(jìn)的決策樹(shù)分類(lèi)算法應(yīng)用流程圖

圖3訓(xùn)練集樣本X

圖4屬性S_i類(lèi)別概率表

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(wèn)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(guò)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(guò)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)的決策樹(shù)分類(lèi)算法，對(duì)上述關(guān)鍵詞進(jìn)行分類(lèi)處理，其具體子步驟如下：

步驟4.1：根據(jù)訓(xùn)練數(shù)據(jù)集構(gòu)造決策樹(shù)分類(lèi)器模型，其具體子步驟如下：

步驟4.1.1：設(shè)訓(xùn)練集樣本X，屬性個(gè)數(shù)為4，即(S₁，S₂，S₃，S₄),同時(shí)分裂屬性S_i對(duì)應(yīng)了k個(gè)類(lèi)，其中L_r∈(L₁，L₂…，L_k),i∈(1，2，3，4)，r∈(1，2…，k)。相關(guān)領(lǐng)域用戶(hù)設(shè)定好屬性S_i誤分類(lèi)代價(jià)矩陣其具體計(jì)算過(guò)程如下：

訓(xùn)練集樣本X如圖3：

屬性S_i誤分類(lèi)代價(jià)矩陣

(c_i1，…，c_ik)為屬性S_i對(duì)應(yīng)的n個(gè)子屬性分為各個(gè)類(lèi)所造成的代價(jià)；

步驟4.1.2：創(chuàng)建根節(jié)點(diǎn)G。

步驟4.1.3：如果訓(xùn)練數(shù)據(jù)集為空，則返回結(jié)點(diǎn)G并標(biāo)記失敗。

步驟4.1.4：如果訓(xùn)練數(shù)據(jù)集中所有記錄都屬于同一類(lèi)別，則該類(lèi)型標(biāo)記結(jié)點(diǎn)G。

步驟4.1.5：如果候選屬性為空，則返回G為葉子結(jié)點(diǎn)，標(biāo)記為訓(xùn)練數(shù)據(jù)集中最普通的類(lèi)。

步驟4.1.6：根據(jù)屬性S_i的信息量D(S_i)從選擇屬性中選擇splitS，其具體計(jì)算過(guò)程如下：

建立屬性類(lèi)別概率表，如圖4：

(S_i1、…S_in)為屬性S_i的子屬性，i＝1,2,3,4，(N_i1、…N_in)為子屬性所屬類(lèi)別的頻數(shù)；

屬性S_i的期望值E(S_i):

其中

這里h為屬性S_i子屬性的個(gè)數(shù)，h＝n；

屬性S_i的信息量D(S_i):

為屬性S_i造成的均值代價(jià)，AVERC_h·為屬性S_i對(duì)應(yīng)子屬性h誤分為k類(lèi)所造成的均值代價(jià)，C_hj為屬性S_i對(duì)應(yīng)子屬性h誤分為j、j∈(1，2，…，k)類(lèi)所產(chǎn)生的代價(jià)。

根據(jù)D(S_i)的取值從大到小排列上述屬性；

步驟4.1.7：取D(S_i)最大的標(biāo)記節(jié)點(diǎn)G為屬性splitS_i。

步驟4.1.8：由節(jié)點(diǎn)延伸出滿(mǎn)足條件為splitS＝splitS_i分支以及splitS_i＝splitS_ij子分支,如果滿(mǎn)足以下兩條件之一，就停止建樹(shù)。

4.1.8.1這里假設(shè)Y_i為訓(xùn)練數(shù)據(jù)集中splitS＝splitS_i的樣本集合，如果Y_i為空，加上一個(gè)葉子結(jié)點(diǎn)，標(biāo)記為訓(xùn)練數(shù)據(jù)集中最普通的類(lèi)。

4.1.8.2此節(jié)點(diǎn)中所有例子屬于同一類(lèi)。

步驟4.1.9：非4.1.8.1與4.1.8.2中情況，則遞歸調(diào)用步驟4.1.6至步驟4.1.8。

步驟4.1.7：保存已生成的決策樹(shù)分類(lèi)器。

步驟4.2：應(yīng)用上述的分類(lèi)器模型，對(duì)步驟3中得到的關(guān)鍵詞進(jìn)行分類(lèi)，即可得到最佳k類(lèi)；

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)。