1.基于改进的群智能算法实现搜索引擎关键词优化技术,本发明涉及语义网络技术领域,具体涉及基于改进的群智能算法实现搜索引擎关键词优化技术,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,即每个关键词就是一个五维向量,其具体描述如下:
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:利用改进的蚁群算法,对上述关键词进行聚类处理,其具体子步骤如下:
步骤4.1:初始化迭代次数,根据k-means中心聚类算法初始化各个关键词信息量;
步骤4.2:对每个关键词,按目标函数选择聚类中心j,并记录当前最好的解,其具体计算过程如下:
目标函数
上式为聚类为j类的信息量,k为聚类种类的个数,、为权重系数,一般关键词的搜索效能与价值率的影响比首页页面数和总页面数的影响要大,即,这个可以根据经验数据测试得出
选择使值最大的聚类中心j,同时记录当前最好的解
步骤4.3:按下列更新方程更新各个关键词的信息量,,其具体计算过程如下:
上式为每次迭代,路径信息挥发的系数,这个可以根据蚁群实验,测试得出
步骤5:聚类结果为下式,即为当前最优解,再采用改进的模拟退火算法找到全局最优解,其具体子步骤如下:
步骤5.1:设定初始温度T,最低温度,使得当前最优解作为初始解;
步骤5.2:检查是否到达最低温度,如果达到,则转向步骤4,否则转向下一步;
步骤5.3:检查是否达到平衡,如果达到,则转向步骤5.6,否则转向下一步;
步骤5.4:对当前解进行随机扰动,产生变异解;
步骤5.5:以下式判定函数接受新解为当前最优解,转向步骤5.3;
步骤5.6:按照降温公式计算下次迭代温度,转向步骤4;
步骤6:结束搜索过程,输出最终聚类结果;
步骤7: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中所述的基于改进的群智能算法实现搜索引擎关键词优化技术,其特征是,以上所述步骤5中的具体计算过程如下:
步骤5:聚类结果为下式,即为当前最优解,再采用改进的模拟退火算法找到全局最优解,其具体子步骤如下:
步骤5.1:设定初始温度T,最低温度,使得当前最优解作为初始解,即
步骤5.2:检查是否到达最低温度,如果达到,则转向步骤4,否则转向下一步;
步骤5.3:检查是否达到平衡,如果达到,则转向步骤5.6,否则转向下一步;
步骤5.4:对当前解进行随机扰动,产生变异解,其具体过程如下:
变异解:
上式为温度的变化引起能量变化,与温度变化成正比,根据热运动很容易得到此函数,为温度迭代一次后的值
步骤5.5:以下式判定函数接受新解为当前最优解,转向步骤5.3,其具体计算过程如下:
判定函数为:
满足上式,则接受新解
步骤5.6:按照降温公式计算下次迭代温度,转向步骤4,其具体计算过程如下:
降温公式:
上式L为模拟退火的迭代次数,当迭代次数为L时,找到全局最优解,为每次迭代温度的变化。