如何利用TF-IDF算法解释“天津SEO”的排名现象

　　TF-IDF算法已经被很多专业的SEO工作者所熟知，它是一种用于资讯检索与资讯探勘的常用加权技术，运用到网页分析中就是对于网页中的相关关键词进行加权，分析众多网页中某个特定关键词的相关网页关键词权值，并在后的排序算法中给予科学的依据。

　　首先看一看TF*IDF公式：TF*IDF值 = TF×IDF(TF乘以IDF) = 1+log TF(t,d) ×IDF(t) = 1+log TF(t,d) ×log(N / DF(t))。为什么要分析这个公式呢?因为一个网页的TF-IDF值越大，网页中文本内容与索引词越相关，其能够在搜索引擎上获得的权值就越高，对于后期的网页的排序能够提供很大的支持。

　　TF*IDF中TF词频(Term Frequency)，表示词条在某个文档中出现的频率，而IDF反文档频率(Inverse Document Frequency)表示如果包含词条t的文档个数越少，IDF越大，则说明词条t具有很好的类别区分能力，用公式表示IDF可以写为：IDF(t) = log(N / DF(t))。DF(t)表示包含有某个搜索词(以t为代表)的文档数，N表示互联网的总网页数。

　　另外，同一个网站相比较来看TF*IDF值，长沙站和我的细嗅蔷薇博客要提升排名，对于关键词“SEO”排名的要求就比较高，“SEO”排名起决定性作用，而A5站长站中“SEO诊断”的排名起到决定性的作用，关键词“SEO”排名对于其排名波动影响要小。

　　这一点有一定的根据，例如前天天津SEO的网站“天津SEO”排名第三，当时“SEO”关键词排名第十页，现在掉到了23页，排名就下降到第十，所以多运用TF*IDF研究能够帮助我们发现很多关键词排名现象，并针对性的制定SEO优化策略。