基于领域离散度算法实现搜索引擎关键词优化的制作方法

技术特征：

1.基于领域离散度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，具体涉及一种基于领域离散度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：利用基于领域离散度算法，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算法初始化簇

步骤4.2：初始化每一个领域离散度函数，从数据对象集合D中按下述判定条件选择k个初始簇中心

步骤4.3：对每类关键词进行重新分配，按概率函数p(i)选择聚类中心j；

步骤4.4：根据判定函数的结果，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（2），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中所述的基于领域离散度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：利用基于领域离散度算法，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算法初始化簇

步骤4.2：初始化每一个领域离散度函数，从数据对象集合D中按下述判定条件选择k个初始簇中心，其具体计算过程如下：

上式为领域内数据对象的个数，为领域内数据对象所对应的向量，为领域内对应的簇中心数据对象向量

利用判定条件，如下：

为设定好的阈值，只有满足这个阈值，初始化的k个簇准确度更高

步骤4.3：对每类关键词进行重新分配，按概率函数p(i)选择聚类中心j，其具体计算过程如下：

为第j类簇中心数据对象向量，为平滑系数，使概率函数p(i)值越大，就选择对应的簇中心j，即有下式：

令，则

步骤4.4：根据判定函数的结果，重新计算各簇中心，其具体计算过程如下：

判定函数：

上式为新的领域离散度函数，为上一次迭代得出的领域离散度函数，只有满足上式判定条件，即簇中心发生变化

步骤4.5：如果簇中心发生变化，则转到步骤（2），否则迭代结束，输出聚类结果

基于领域离散度算法的具体结构流程如图2。