论文部分内容阅读
网络编辑作为网站内容的设计师和建设者,其创作内容直接影响到网站访问量以及网站品牌的建设。但网络编辑员一般仅从选稿、编改、撰写等创作的角度来考虑网站建设,却不重视网站推广,大多没有从便于搜索引擎访问的角度进行网站内容建设,而网站流量的70%左右来自各大搜索引擎,因此,这在很大程度上减少了网站的访问量,不利于网站销售及品牌建设的实现。SEO是研究提高网站排名的技术,其核心包括关键词、内容、链接三方面。目前国内外对SEO的研究方兴未艾,尤其是针对关键词的自动选择和分析方法方面的研究报道较少,如何自动选择关键词并对其进行竞争强度分析将是本课题面临的核心问题。充分考虑到SEO对网络编辑工作的重要作用,并针对以上问题,本论文主要对SEO关键词的自动选择和分析方法进行了研究,并在此基础之上完成网络编辑助手的开发,主要的工作内容包括:(1)在关键词的选择上,提出了一种关键词扩展方法。通过对搜索引擎检索结果页面结构的分析,发现其“相关搜索”罗列出的关键词是依据历史搜索量的多少而生成,并且“相关搜索”中的关键词呈图状结构排列。因此,本文采用反向爬虫技术对搜索引擎“相关搜索”进行遍历以采集符合用户需求的关键词,并以百度为例实施了关键词扩展。(2)将C4.5决策树算法应用到历史优化数据的分类挖掘,分析出影响关键词竞争程度的主要因素有:使用intitle指令搜索得到的结果页面数、关键词在搜索结果第一页标题中出现的次数、关键词长度和关键词搜索结果数量等,并建立了关键词竞争程度预测模型,对模型准确性进行了评估。(3)设计了基于网页爬虫和正文抽取的信息收集子系统,该部分主要分为两大子模块,一是对行业网站信息的抓取,主要通过基于HTTP协议的网页爬虫并运用不重复和定期重访策略实现;二是对抓取的原始网页信息进行正文抽取,主要以方差为指标,通过逐步分析网页中文本节点的分布情况,最终完成对正文部分的抽取。(4)应用本文的研究成果,设计并实现了面向SEO的网络编辑助手。在创作前期,系统为网络编辑分析出适合创作的主题关键词;在创作过程中,系统实时对正文进行SEO要素分析;另外,本文实现了信息收集子系统,很大程度提高了网络编辑收集行业信息的效率。