如何計算文章標題和內容相關(guān)度？資深站長(cháng)都知道，搜索引擎每天在爬蟲(chóng)的時(shí)候都是比較喜歡新鮮質(zhì)感的內容，而且內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(méi)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(guò)程中不用想著(zhù)蒙混過(guò)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(xué)起來(lái)吧。

如何計算文章標題和內容相關(guān)度

做一個(gè)審核相關(guān)度的功能

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

那是不是說(shuō)明這個(gè)關(guān)鍵詞密度是計算主題相關(guān)度的一個(gè)重要指標呢？但是這個(gè)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(gè)網(wǎng)頁(yè)文字內容部分的關(guān)鍵詞密度呢？這個(gè)不好說(shuō)，但是我們能從搜索結果里面的百度快照看出點(diǎn)啥來(lái)。

從搜索結果里面來(lái)看，其實(shí)是有分詞的，但是完整匹配的排名效果會(huì )更好。（這個(gè)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(diǎn)，我們來(lái)看看如果要實(shí)現一個(gè)關(guān)鍵詞密度計算的程序應該如何實(shí)現。

如何實(shí)現關(guān)鍵詞密度計算

首先說(shuō)下算法實(shí)現過(guò)程

1、分別將關(guān)鍵詞和文章內容進(jìn)行分析

2、統計文章中出現關(guān)鍵詞分詞結果的次數

3、用2的結果除以文章分詞后的總次數

4、優(yōu)化點(diǎn)，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(diǎn)。（留給大家實(shí)現了）

代碼

我拿了篇文章做了下計算，結果如下：

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(lái)有點(diǎn)優(yōu)化過(guò)度了？但實(shí)際上并沒(méi)有超出很多，而且目前這個(gè)是排名在第4的。而且我計算的只是正文內容的關(guān)鍵詞密度。

當然了，我這個(gè)也只是一種粗略的計算方式，相信搜索引擎會(huì )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(gè)關(guān)鍵詞密度是不是影響這個(gè)排名的重要因素呢？這個(gè)大家可以去驗證一下，這個(gè)不是本文的主題哈。

回到正題，如果只是通過(guò)關(guān)鍵詞密度來(lái)計算文本的相關(guān)性似乎有點(diǎn)不太靠譜，還有沒(méi)有其它好的辦法來(lái)實(shí)現呢？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(jìn)行分詞處理

2、利用TF_IDF算法提取出文章的N個(gè)核心詞語(yǔ)，這里的N可以是一個(gè)固定的數值，比如10個(gè)，也可以是動(dòng)態(tài)的數值，比如跟關(guān)鍵詞分詞后的個(gè)數一樣

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

4、將3中的結果進(jìn)行去重然后拿去跟2中的詞做對比，得到3沒(méi)有包含在2中的詞語(yǔ)

5、將4中沒(méi)有包含詞語(yǔ)的個(gè)數除以1中的總個(gè)數，再用1減去計算值就得到相似度 具體代碼實(shí)現如下：

代碼

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

這里可以看到，關(guān)鍵詞密度是11.4%，而相似度是80%，看起來(lái)還是可以的。當然了，沒(méi)有做大量的測試，感興趣的同學(xué)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(xué)習。我這個(gè)方法是比較簡(jiǎn)單的。當精度的要求沒(méi)那么高的時(shí)候，簡(jiǎn)單快速的方法是我們實(shí)現功能的首先。

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容