處理原創(chuàng )采集內容的文本信息

　　這里忽略元數據的處理，因為元數據主要是為了添加邏輯映射. 例如，在公司黃頁(yè)的網(wǎng)站上，我獲取了諸如“ XXX公司規模，商標，年營(yíng)業(yè)額和法人信息”之類(lèi)的元數據. 我需要將這些元數據與該站點(diǎn)的數據庫中的相應公司相關(guān)聯(lián). 因為元數據是短文本，所以它會(huì )立即被拾取，因此無(wú)需處理重復性.

　　如果采集的內容是長(cháng)文本的大連續段落，則為確保SEO效果，在處理html源代碼之后，也可以處理文本.

　　文本信息處理，包括標題和正文兩部分（不考慮人工修改，僅考慮批處理）

　　標題

　　讓我說(shuō)，SEO的最重要和核心點(diǎn)是“單詞”. 其他SEO技術(shù)和技術(shù)都基于“選擇正確的詞”以達到良好的效果.

　　最終目的是使用戶(hù)可以搜索的單詞出現在標題中. 詳細信息頁(yè)面標題中的單詞應該具有少量搜索量，而百度搜索結果應該很少，而不是熱門(mén)單詞，每個(gè)人都在爭先恐后地使用它.

　　首先，出現在網(wǎng)頁(yè)標題中的關(guān)鍵字越多，被收錄的可能性就越低. 這是肯定的，所以不要在58個(gè)Ganji這些大型網(wǎng)站上發(fā)表任何言論. 除非其重量很大，否則采集站將緊隨其后. 否則，它基本上是沒(méi)有用的.

　　第二，在垂直行業(yè)和充滿(mǎn)個(gè)性化搜索內容的領(lǐng)域中，可以挖出很多競爭少，流量大的單詞. 在垂直領(lǐng)域中很難找到這些單詞，因為它需要了解行業(yè)，而且不僅僅使用SEO工具也很難找到.

　　個(gè)性化的搜索內容字段（例如程序開(kāi)發(fā)，娛樂(lè )八卦等）始終充滿(mǎn)個(gè)性化的搜索詞，并且隨著(zhù)時(shí)間的流逝將不斷產(chǎn)生新的搜索行為. 只要搜索引擎還沒(méi)有結束，該領(lǐng)域就始終充滿(mǎn)搜索流量，因此仔細觀(guān)察后發(fā)現，這里有許多熱鬧而漫長(cháng)的流量站點(diǎn). 大多數內容選擇都符合此功能. 與“招聘和二手車(chē)”等行業(yè)不同，用戶(hù)的搜索行為基本上沒(méi)有變化. ，幾個(gè)電臺全都抓取同一批單詞，而且它們都已飽和，因此流量自然很困難.

　　如何在集合標題中插入搜索詞

　　如果目標網(wǎng)站的標題與SEO不一致，例如抓住一堆新聞標題，那么標題如何集中于用戶(hù)可能搜索的單詞？我以前嘗試過(guò)這些方法:

　　方法1: 簡(jiǎn)化原創(chuàng )標題

　　步驟如下:

　　對原創(chuàng )標題進(jìn)行分區

　　刪除停用詞

　　添加詞性

　　刪除修飾詞，例如形容詞，副詞，介詞...，保留原創(chuàng )標題的主語(yǔ)-謂語(yǔ)-賓語(yǔ)，并獲得句子的主語(yǔ)

　　基于python的jieba模塊的實(shí)現，可以通過(guò)預先分析大量標題來(lái)提取要刪除的修飾符，并將其附加到字典中. Github有現成的輪子，可以提取句子的主干，例如nltk.

　　1688年產(chǎn)品頁(yè)面的部分標題似乎是這樣制作的. 刪除用戶(hù)發(fā)布的產(chǎn)品名稱(chēng)中的一些不相關(guān)的詞綴，并提取主詞干并放置在標題標簽中.

　　方法2: 插入搜索字詞

　　步驟如下:

　　構建xunsearch或其他開(kāi)源搜索，并為采集的標題建立索引

　　使用搜索項（即要完成的搜索項）在搜索界面中依次搜索.

　　在搜索結果中出現的標題之前插入當前搜索詞

　　例如，原創(chuàng )標題是: “ Betta Beauty Anchor Live Sleeping Over 200,000” ...，我要輸入的單詞是“ Betta Beauty Live”，然后在標題之前插入關(guān)鍵字: “ [Betta Beauty Live ] Betta美女主播現場(chǎng)直播過(guò)夜20萬(wàn)元”

　　當然也可以: “ {強制搜索詞} {簡(jiǎn)化的原創(chuàng )標題}”

　　方法3: 在當前標題中插入派生詞和相關(guān)搜索詞，其中已經(jīng)收錄搜索詞

　　步驟如下:

　　利用標題已收錄搜索詞的相關(guān)百度搜索或下拉框，或使用Word2vec算法分析其他已爬網(wǎng)內容的主體，以獲取搜索詞的同義詞.

　　在標題中插入相關(guān)的搜索或下拉單詞

<p>例如: “ [[百度相關(guān)搜索字詞1}] {簡(jiǎn)明標題}”，“ [{下拉框推薦字詞1} {原標題}]” ...彼此組合...