关键词推荐的方法

关键词推荐的方法： 

（1）meta tag spider： 

通过抓取各种网站的meta数据，把这些mata数据综合在一起，做关键词推荐。 

这种方法适合于没有日志的初始网站。 



（2）google adwords tool （共同的广告点击）： 

通过 query log 挖掘关键词。当搜索关键词“A”出了广告x，那么其他关键词也能够出广告x， 
那么这些关键词是有相关性的。这表示日志里面的共现关系。这种方法可以得到大量的相关词关键词，但是不一定是 

非常相关的。频率高的词容易出现在广告商的日志中，但是这些关键词比较贵。而且已经被广告主熟悉的一些词了。 
注意乱买词的问题。 



有多个主题的时候，可能这些query的相关性不是非常强。 

已有的技术没有考虑到语义关系。稀有的相关词经常不能包含在输入query term中，所有经常被忽略。 



TermsNet方法不需要query log，它从短语语料中通过语义抓取词，并且推荐新的短语。这种方法容易适应趋势。新 

的短语能够见到的加入到一只的图中，并且可以用于查询和推荐。 

TermsNet 能够动态添加新词到图里面，并且快速的找到相关词。 

每个term，从点击日志中获取想top 50 个网页。从网页前后获取相关的词。 

B 到A 的相关性：是包含A文档中，包含了B的频次。 


再一次解释了准确率、召回率、平均不显著性： 


F值是 准确率和召回率之间的调和值。最大化准确率P，召回率R，非观察率 N。