TF-IDF 是谷歌排名因素吗？
了解TF-IDF是什么，它是如何工作的，为什么它是SEO词典的一部分，最重要的是 – 谷歌是否将其用作排名因素。
TF-IDF是什么，它真的可以帮助你的SEO策略吗？
你会原谅你的想法，“那些疯狂的SEO人……他们接下来会怎么想？
但这并不是这个思想领袖或试图创造一个新短语的案例。
在本章中，您将了解TF-IDF是什么，它是如何工作的，为什么它是SEO词典的一部分，最重要的是 – 谷歌是否使用它作为排名因素。
TF：term frequency
IDF：inverse document frequency
声明：TF-IDF是一个排名因素
如果你想了解更多关于这个话题的信息，你会看到一些疯狂的头条新闻，旨在让你觉得你错过了今年没有向TF-IDF分配预算：
- TF-IDF for SEO：什么有效，什么不起作用。
- TF-IDF：SEO没有使用的最佳内容优化工具。
- TF IDF SEO：如何使用TF-IDF粉碎您的竞争对手。
TF-IDF是你一直缺少的SEO策略吗？
TF-IDF作为排名因素的证据
让我们从这个开始：什么是TF-IDF？
术语频率–反向文档频率是信息检索领域的一个术语。
这个数字表达了任何给定单词对整个文档集合的统计重要性。
用通俗的语言来说，一个单词在文档集中出现的次数越多，它就越重要，并且该术语的权重越大。
这与搜索有什么关系？
好吧，谷歌是一个巨大的信息检索系统。
假设您有 500 个文档的集合，并且您希望按与术语 [摇摆不定] 相关的顺序对它们进行排名。
等式的第一部分，项频率（TF），将是：
- 忽略不包含所有三个单词的文档。
- 计算每个术语在每个剩余文档中出现的次数。
- 考虑文档的长度。
系统最终得到的是每个文档的 TF 图。
但仅凭这个数字就可能有问题。
根据术语的不同，您最终仍可能得到一堆文档，并且没有真正的线索来说明哪个与您的查询最相关。
下一步，反向文档频率 （IDF），为您的 TF 提供了更多的上下文。
文档频率 = 计算整个文档集合中的术语。
逆 = 反转最常出现的术语的重要性。
在这里，系统从等式中删除了术语 [and]，因为我们可以看到它在所有 500 个文档中出现的频率如此之高，以至于与此特定查询无关。
我们不希望具有最多实例 [和] 的文档排名最高。
对于 [摇摆] 和 [滚动] 权重最高的文档，而针对文本长度进行规范化，则更有可能与查找有关 [摇摆和滚动] 信息的用户相关。
反对TF-IDF作为排名因素的证据
随着文档集合的大小和种类的增长，此指标的效用也会缩小。
谷歌的约翰·穆勒（John Mueller）谈到了这一点，并解释说：
“这是一个相当古老的指标，多年来事情已经发生了很大的变化。还有很多其他指标。
我不认为这不是一个因素;我认为他很清楚地说，这已经不那么重要了。
尽管人们喜欢相信穆勒正试图在他们身上拉一个，但他不可能在这个问题上喋喋不休。
确定哪些文档包含搜索者正在查询的单词是返回响应的必要的第一步。
但话虽如此，这是一个古老的指标，本身并没有用。
在谷歌大小的指数中，TF-IDF能做的最好的事情就是带回数百万或数十亿个结果。
你能为它进行优化吗？
不。
尝试针对 TF-IDF 进行优化意味着尝试实现一定的关键字密度，这称为关键字填充.
别这样。
不过，这并不意味着这个概念对SEO专业人士来说无关紧要。
TF-IDF作为排名因素：我们的判断
谷歌是否在其搜索排名算法中使用TF-IDF，甚至可能作为其算法的基础部分？
我们说绝对不是。
为什么？因为它是一个古老的（在技术年代）信息检索概念。
今天，谷歌拥有更优越的方法来评估网页（例如，词向量，余弦相似性和其他自然语言处理方法）。
了解用户正在搜索的单词是否出现在文档中以及频率只是第一步。
TF-IDF如果没有无数其他层次的分析来确定事物，例如专业知识，权威性和信任，对于初学者来说，就不算太多。
这意味着TF-IDF不是一种可以用来优化网站的工具或策略。
你不能用TF-IDF做任何有用的分析，也不能用它来改善你的SEO，因为它需要整个搜索结果语料库来运行计算。
此外，我们已经毕业了，不仅仅是想知道哪些关键字用于如何使用它们以及出现哪些相关主题，以确保上下文和意图与我们自己的相匹配。.
交替使用术语TF-IDF和语义搜索的SEO专业人士误解了TF-IDF。
它只是衡量一个单词在文档集合中出现的频率。
底线：了解内容是如何被评估的很重要，但这些知识并不总是必须导致您的SEO清单上的另一个项目。
除非您正在构建自己的信息检索系统，否则TF-IDF是一个您可以将其归结为过去日子的有趣事实并继续前进的系统。
延伸阅读：
