如何計算文章標題和內(nèi)容相關(guān)度？

如何計算文章標題和內(nèi)容相關(guān)度？資深站長都知道，搜索引擎每天在爬蟲的時候都是比較喜歡新鮮質(zhì)感的內(nèi)容，而且內(nèi)容與標題要有較高的相關(guān)性，如果只是一味的標題檔那是沒有效果的。搜索引擎是比厭煩這種東西的，它具有很高的智能性判斷，所以大家在以后的優(yōu)化過程中不用想著蒙混過關(guān)，那是不可行的。

如果你不知道搜索引擎是如何計算文章與標題相關(guān)度的，那希望這篇文章能對你有幫助，耐心的學起來吧。

如何計算文章標題和內(nèi)容相關(guān)度

做一個審核相關(guān)度的功能

從seo出現(xiàn)以來，一直有一個概念是整個seo優(yōu)化過程都需要知道的東西，那就是關(guān)鍵詞密度。很多的seo教程一直強調(diào)關(guān)鍵詞密度要在2%~8%之間是最好的，低于這個范圍就沒啥競爭力，主題不集中；而高于這個值就會導致關(guān)鍵詞堆砌，優(yōu)化過度了，容易受到搜索引擎的打擊。

那是不是說明這個關(guān)鍵詞密度是計算主題相關(guān)度的一個重要指標呢？但是這個關(guān)鍵詞的密度是完整的關(guān)鍵詞密度還是分詞后的關(guān)鍵詞密度呢？是正文部分的關(guān)鍵詞密度還是整個網(wǎng)頁文字內(nèi)容部分的關(guān)鍵詞密度呢？這個不好說，但是我們能從搜索結(jié)果里面的百度快照看出點啥來。

從搜索結(jié)果里面來看，其實是有分詞的，但是完整匹配的排名效果會更好。（這個顯然大伙都知道，哈哈） 于是就有很多做seo的，特別是做黑帽的，就直接往文章里面插入完整的關(guān)鍵詞，一般插入2-3次這樣，用以提高關(guān)鍵詞的密度和文章的相關(guān)性。

好了，這些都不是本文的關(guān)注點，我們來看看如果要實現(xiàn)一個關(guān)鍵詞密度計算的程序應該如何實現(xiàn)。

如何實現(xiàn)關(guān)鍵詞密度計算

首先說下算法實現(xiàn)過程

1、分別將關(guān)鍵詞和文章內(nèi)容進行分析

2、統(tǒng)計文章中出現(xiàn)關(guān)鍵詞分詞結(jié)果的次數(shù)

3、用2的結(jié)果除以文章分詞后的總次數(shù)

4、優(yōu)化點，可以先去除文章和關(guān)鍵詞中的停止詞之后再做計算，這樣可能更貼切一點。（留給大家實現(xiàn)了）

代碼

我拿了篇文章做了下計算，結(jié)果如下：

計算的文章地址：https://game.china.com/industry/focus/11118308/20200630/38421717.html

這篇文章的關(guān)鍵詞密度是11.4% 看起來有點優(yōu)化過度了？但實際上并沒有超出很多，而且目前這個是排名在第4的。而且我計算的只是正文內(nèi)容的關(guān)鍵詞密度。

當然了，我這個也只是一種粗略的計算方式，相信搜索引擎會有更加完善的計算。大家如果感興趣可以自己試試哦。

那么這個關(guān)鍵詞密度是不是影響這個排名的重要因素呢？這個大家可以去驗證一下，這個不是本文的主題哈。

回到正題，如果只是通過關(guān)鍵詞密度來計算文本的相關(guān)性似乎有點不太靠譜，還有沒有其它好的辦法來實現(xiàn)呢？這里我又想到了另外的一種思路：

另一種計算文章主題相關(guān)性的方法

思路如下：

1、將標題和文章正文進行分詞處理

2、利用TF_IDF算法提取出文章的N個核心詞語，這里的N可以是一個固定的數(shù)值，比如10個，也可以是動態(tài)的數(shù)值，比如跟關(guān)鍵詞分詞后的個數(shù)一樣

3、去除標題分詞中字數(shù)少于2個字的，只有一個字的詞默認就認為文中是包含的。

4、將3中的結(jié)果進行去重然后拿去跟2中的詞做對比，得到3沒有包含在2中的詞語

5、將4中沒有包含詞語的個數(shù)除以1中的總個數(shù)，再用1減去計算值就得到相似度 具體代碼實現(xiàn)如下：

代碼

跟關(guān)鍵詞密度一起來作對比，運行上次的文章，得到如下結(jié)果：

這里可以看到，關(guān)鍵詞密度是11.4%，而相似度是80%，看起來還是可以的。當然了，沒有做大量的測試，感興趣的同學可以用下哦。

如果你有更好的方法或者idea歡迎留言一起探討學習。我這個方法是比較簡單的。當精度的要求沒那么高的時候，簡單快速的方法是我們實現(xiàn)功能的首先。

完整代碼

article.txt 文件里面存放的就是該測試文章的純文本內(nèi)容