• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 9
    • 下载费用:30 金币  

    重庆时时彩平台程序: 基于VSM的模糊C均值聚类算法实现搜索引擎关键词优化.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201710012398.4

    申请日:

    2017.01.09

    公开号:

    CN106802945A

    公开日:

    2017.06.06

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06F 17/30申请日:20170109|||公开
    IPC分类号: G06F17/30; G06Q30/02(2012.01)I 主分类号: G06F17/30
    申请人: 四川用联信息技术有限公司
    发明人: 金平艳
    地址: 610054 四川省成都市成华区电子信息产业大厦1101室
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201710012398.4

    授权公告号:

    |||

    法律状态公告日:

    2017.06.30|||2017.06.06

    法律状态类型:

    实质审查的生效|||公开

    摘要

    基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化,根据企业业务确定核心关键词,搜索关键词对应的数据项,如本国每月搜索量、竞争程度和估算每次点击费用等,对上述关键词集合进行再降维处理,每个关键词用一五维向量表示,即增加首页网页数和总搜索页面数,进而由五维再降为四维,基于VSM的模糊c均值聚类算法对上述关键词聚类,最后根据企业具体情况,选择适合企业的关键词优化策略,本发明精确地分配了全局每个领域占比与每簇路径和的权重系数,结果更符合经验值,减了孤立点影响,减少整个网站优化工作量,避免聚类过早收敛,同时运行时间复杂度低,处理速度更快,可以快速提升关键词排名,从而达到理想的网站优化目标。

    权利要求书

    1.基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化,本发明涉及语义网络技术
    领域,具体涉及基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化,其特征是,包括如
    下步骤:
    步骤1:根据企业业务确定核心关键词,利用搜索引擎搜集相关关键字,这些关键字在
    搜索引擎中有相应数据项,如本国每月搜索量、竞争程度和估算每次点击费用(CPC)等
    步骤2:结合企业产品和市场分析,筛选降维上述搜索到的相关关键字集合;
    步骤3:针对筛选降维后的关键词集合,通过搜索引擎搜索关键词对应的页面,这里记
    录首页网页数和总搜索页面数,即每个关键词由五维向量再降维为四维,其具体计算过程
    如下:
    这里相关关键词个数为m,既有下列矩阵:

    、、、、依次为第i个关键词对应的本国每月搜索量、竞争程度、估算
    每次点击费用(CPC)、首页网页数、总搜索页面数再降维
    为四维,即
    为搜索效能,为价值率,即为下式:

    步骤4:基于VSM的模糊c均值聚类算法,对上述关键词进行聚类处理,其具体子步骤如
    下:
    步骤4.1:利用基于领域的k-means算法初始化为c类
    步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J,使其满足隶属的整个约束条件;
    步骤4.3:初始化每一个领域目标函数,构建c类总目标函数,综合隶属约束条
    件,构建m个方程组,对其进行求解,即可得聚类结果;
    步骤4.4:利用下式判定函数的结果,重新计算各簇中心;
    步骤4.5:如果簇中心发生变化,则转到步骤4.2,重新计算隶属矩阵J,否则迭代结束,
    输出聚类结果
    步骤5:根据企业具体情况,综合关键词效能优化和价值率优化,选择合适的关键词优
    化策略达到网站优化目标。
    2.根据权利要求1中所述的基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化,
    其特征是,以上所述步骤4中的具体计算过程如下:
    步骤4:基于VSM的模糊c均值聚类算法,对上述关键词进行聚类处理,其具体子步骤如
    下:
    步骤4.1:利用基于领域的k-means算法初始化为c类
    步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J,使其满足隶属的整个约束条件;其
    具体计算过程如下:
    根据领域初始化数据对象集合D划分为C类;
    初始化隶属矩阵J为:

    为关键词i属于j类的程度系数,即隶属的
    整个约束条件为:
    步骤4.3:初始化每一个领域目标函数,构建c类总目标函数,综合隶属约束条
    件,构建m个方程组,对其进行求解,即可得聚类结果,其具体计算过程如下:

    上式为j类内领域内数据对象的个数,为每一个领域内波动系数,、
    分别为数量、波动系数的影响系数,且,其值可以根据实验迭代出
    合适的值
    上式

    为属于j类的第i个关键词的空间向量,为j类簇中心向量,h为向量对应元素的
    个数
    构建c类总目标函数:

    综合隶属约束条件,构建m个方程组:

    是m个约束式的拉格朗日算子,对上述式子进行求导,对所有输入
    参量求导,即可求得使达到最大的必要条件、:

    上式为关键词i所对应的向量;
    步骤4.4:利用下式判定函数的结果,重新计算各簇中心,其具体计算过程如下:

    为新的总目标函数,为上一次迭代得出的总目标函数,为一个足够小
    的数,只有满足上述条件,则找到了最佳分类
    步骤4.5:如果簇中心发生变化,则转到步骤4.2,重新计算隶属矩阵J,否则迭代结束,
    输出聚类结果
    基于VSM的模糊c均值聚类算法具体结构流程如图2。

    说明书

    基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化

    技术领域

    本发明涉及语义网络技术领域,具体涉及基于VSM的模糊c均值聚类算法实现搜索
    引擎关键词优化。

    背景技术

    互联网的迅速发展,带动了互联网信息的膨胀,其商业价值也被人们所发掘。更多
    的行业将信息投放到网络当中,希望通过搜索引擎广告或其他类型广告被发现,以低成本
    带来可观的收益。目前,我国搜索引擎行业已经比较成熟,但是完整的企业级搜索引擎策略
    理论还没有出现,这也是造成目前企业实施搜索引擎优化不太成功的一个重要原因。很多
    企业只是知道简单的优化,并没有一个完整的策略体系指导其进行如何优化,面对优化,根
    本不知道该如何进行实施。这也导致了一些企业为了追求眼前暂时的利益而进行作弊、去
    找一些搜索引擎的漏洞来获取暂时的排名,这极大的扰乱了搜索引擎优化行业的正常发
    展。

    一个商业网站以其核心关键字在主流搜索引擎中获得自然排名优先,在今天的商
    业社会,有着非比寻常的价值。因此关键字也常被称为是整个搜索应用的基石。目前国内外
    对关键词优化的理论研究和技术应用比较多,但暂未提出一个有效的方法来简化关键词分
    析流程,也没有一个完善的机制来管理关键词优化策略和进度?;谏鲜鲂枨?,本发明提供
    了一种基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化。

    发明内容

    针对于关键词优化实现搜索引擎优化的技术问题,本发明提供了一种基于VSM的
    模糊c均值聚类算法实现搜索引擎关键词优化。

    为了解决上述问题,本发明是通过以下技术方案实现的:

    步骤1:根据企业业务确定核心关键词,利用搜索引擎搜集相关关键字,这些关键
    字在搜索引擎中有相应数据项,如本国每月搜索量、竞争程度和估算每次点击费用(CPC)等

    步骤2:结合企业产品和市场分析,筛选降维上述搜索到的相关关键字集合;

    步骤3:针对筛选降维后的关键词集合,通过搜索引擎搜索关键词对应的页面,这
    里记录首页网页数和总搜索页面数,即每个关键词由五维向量再降维为四维的。

    步骤4:基于VSM的模糊c均值聚类算法,对上述关键词进行聚类处理,其具体子步
    骤如下:

    步骤4.1:利用基于ε领域的k-means算法初始化为c类。

    步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J,使其满足隶属的整个约束条
    件;

    步骤4.3:初始化每一个领域目标函数构建c类总目标函数,综合隶属约束
    条件,构建m个方程组,对其进行求解,即可得聚类结果;

    步骤4.4:利用下式判定函数Δ(g)的结果,重新计算各簇中心;

    步骤4.5:如果簇中心发生变化,则转到步骤4.2,重新计算隶属矩阵J,否则迭代结
    束,输出聚类结果。

    步骤5:根据企业具体情况,综合关键词效能优化和价值率优化,选择合适的关键
    词优化策略达到网站优化目标。

    本发明有益效果是:

    1,此算法可以精简关键词分析流程,进而减少整个网站优化工作量。

    2,此算法的运行时间复杂度低,处理速度更快。

    3、此算法具有更大的利用价值。

    4、能帮助网站在短时间内快速提升其关键词的排名。

    5、为企业网站带来一定的流量和询盘,从而达到理想的网站优化目标。

    6、此算法精确地分配了每个领域在全局占比与局部每个领域的路径总和的权重
    系数,分类结果更符合经验值。

    7、减少了孤立点对聚类结果的影响。

    8、结合模糊c均值聚类算法,避免聚类结果过早收敛。

    附图说明

    图1基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化结构流程图

    图2基于VSM的模糊c均值聚类算法在聚类分析中的应用流程图

    具体实施方式

    为了解决关键词优化实现搜索引擎优化的技术问题,结合图1-图2对本发明进行
    了详细说明,其具体实施步骤如下:

    步骤1:根据企业业务确定核心关键词,利用搜索引擎搜集相关关键字,这些关键
    字在搜索引擎中有相应数据项,如本国每月搜索量、竞争程度和估算每次点击费用(CPC)
    等。

    步骤2:结合企业产品和市场分析,筛选降维上述搜索到的相关关键字集合;

    步骤3:针对筛选降维后的关键词集合,通过搜索引擎搜索关键词对应的页面,这
    里记录首页网页数和总搜索页面数,即每个关键词由五维向量再降维为四维的,其具体计
    算过程如下:

    这里相关关键词个数为m,既有下列m×5矩阵:


    Ni、Ldi、CPCi、NiS、NiY依次为第i个关键词对应的本国每月搜索量、竞争程度、估算
    每次点击费用(CPC)、首页网页数、总搜索页面数。

    再降维为四维,即


    Xi∈(1,2,…,m)为搜索效能,Zi∈(1,2,…,m)为价值率,即为下式:



    步骤4:基于VSM的模糊c均值聚类算法,对上述关键词进行聚类处理,其具体子步
    骤如下:

    步骤4.1:利用基于ε领域的k-means算法初始化为c类。

    步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J,使其满足隶属的整个约束条
    件;其具体计算过程如下:

    根据ε领域初始化数据对象集合D划分为C类;

    初始化隶属矩阵J为m×C:


    wij为关键词i属于j类的程度系数,即j∈(1,2,…,C)、i∈(1,2,…,m)。

    隶属的整个约束条件为:


    步骤4.3:初始化每一个领域目标函数构建c类总目标函数,综合隶属约束
    条件,构建m个方程组,对其进行求解,即可得聚类结果,其具体计算过程如下:


    上式nεj为j类内ε领域内数据对象的个数,为每一个ε领域内波动系数,α、β分
    别为数量nε、波动系数的影响系数,且α+β=1,其值可以根据实验迭代出合适的值。

    上式


    xih为属于j类的第i个关键词的空间向量,yjh为j类簇中心向量,h为向量对应元素
    的个数。

    构建c类总目标函数


    综合隶属约束条件,构建m个方程组:


    λi(i=1,…,m)是m个约束式的拉格朗日算子,对上述式子进行求导,对所有输入
    参量求导,即可求得使达到最大的必要条件cj、wij:



    上式为关键词i所对应的向量;

    步骤4.4:利用下式判定函数Δ(g)的结果,重新计算各簇中心,其具体计算过程如
    下:


    为新的总目标函数,为上一次迭代得出的总目标函数,θ为一个足够小
    的数,只有满足上述条件,则找到了最佳分类。

    步骤4.5:如果簇中心发生变化,则转到步骤4.2,重新计算隶属矩阵J,否则迭代结
    束,输出聚类结果。

    基于VSM的模糊c均值聚类算法具体结构流程如图2。

    步骤5:根据企业具体情况,综合关键词效能优化和价值率优化,选择合适的关键
    词优化策略达到网站优化目标。

    基于VSM的模糊c均值聚类算法实现搜索引擎关键词优化,其伪代码过程

    输入:网站提取的核心关键词,基于ε领域初始化簇

    输出:c类总目标函数最大的c个簇。

    关 键 词:
    基于 VSM 模糊 均值 算法 实现 搜索引擎 关键词 优化
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:基于VSM的模糊C均值聚类算法实现搜索引擎关键词优化.pdf
    链接地址://www.4mum.com.cn/p-6000796.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03