首先我们需要找一个切入点,一个如何应用ML来做SEO的切入点。要找切入点,就需要有一个寻找的方法;寻找的方法很简单,就是通过网络搜索,找出相关的文章和案例;在谷歌(如果打不开谷歌可以去http://51msg.net)中输入关键词 machine learning seo,搜出很多的结果, 经过艰苦的阅读和寻找,从几十个结果中剔除无关网页信息后,发现相关的有用信息包括如下:
- 基于聚类算法,分析seo可能的影响因素不仅分析排名的影响因素,主要分析点击、点击率的影响因素;待选的影响因素包括tilte长度、meta description长度、排名、曝光量等,对应的参考网址是:https://wordlift.io/blog/en/machine-learning-for-seo/;
- 基于多层感知器分类算法,预测哪些词可以帮助我们的网页在搜索的时候进入前十原网站思路:从SEMrush获得数据,主要包括关键词的搜索量、结果量、竞争度、点击率等;再抓取测试的网站页面内容、竞争对手网站的内容;生成关键数据包括:title里包含情况(title中是否包括关键词,下同)、content里包含情况、url、domain里包含情况等。训练排名数据。从而得出关键词在网页的不同地方可能获得的排名。对应的参考网址是:https://www.searchviu.com/en/machine-learning-seo-predicting-rankings/
- 基于多种主流的分类算法(如xgboost、random forest等)预测网站是否能进入前十,分析影响排名的重要因素;和第二点不同的是这里分析的因素不止是关键词,还包括网页响应速度、外链数量、页面字数、内部连接数、各标题字数、各标签字数等等。对应的参考网址是: https://data-seo.com/2018/11/27/successfully-predicting-google-rankings-data-science/
- 用Natural Language Understanding (NLU)技术,识别文本关联度,用于外接;比较外链页面内容和推广网站对应关键词的关联度,关联度越大,外链的作用也越大。对应的参考网址是:https://econsultancy.com/how-to-machine-learning-link-relevancy-seo-analysis/
找到了相关的信息以后,重要的是我们还需要做出选择。到底选择哪个方案作为我们的切入点呢?要做选择,我们需要有选择的策略,我们的策略是这样的:
- 实用性要强,见效要快;
- 必须可快速方便验证效果
- 所有数据都能容易获取,可操作性强
- 循序渐进、由易到难
基于以上原则,作者的选择的是第2个应用案例,基于多层感知器,预测哪些搜索词可以帮助网页在搜索结果中排名前10。 未完待续……
相关推荐
机器学习入门与实战(scikit-learn和Keras)课件—决策树.pdf机器学习入门与实战(scikit-learn和Keras)课件—决策树.pdf机器学习入门与实战(scikit-learn和Keras)课件—决策树.pdf机器学习入门与实战(scikit-learn和...
《Mastering Machine Learning With scikit-learn》是一本深入实践的指南,它将带领读者通过scikit-learn掌握机器学习的核心概念和技术,提升数据分析和预测能力,对于希望在机器学习领域深入研究或提升实战技能的人...
《Machine Learning with PyTorch and Scikit-Learn-Packt》(2022)是机器学习领域的权威指南,涵盖了机器学习和深度学习的基础知识和实践经验。读者可以通过学习本书籍来掌握机器学习模型开发和实践的技能,从而...
机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)...
机器学习(Machine Learning)是让机器通过统计方法从数据中学习任务的技术;而深度学习(Deep Learning)是机器学习的一个子集,它通过构建具有许多层次的神经网络直接从数据中学习表征和任务。深度学习之所以被...
Human-in-the-Loop Machine Learning lays out methods for humans and machines to work together effectively. Summary Most machine learning systems that are deployed in the world today learn from human ...
机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP
machine-learning-ex4 吴恩达 机器学习 课程习题代码
机器学习技法6 - 4 - Machine Learning in Action (12-59).mp4
教材的全名是《Pattern Recognition and Machine Learning》,其中包含了模式识别和机器学习的前沿研究和方法。毕肖普是微软研究院的副主任,并在剑桥大学担任研究员。他在这本书中详细探讨了概率论、统计推断、神经...
AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP
"机器学习实战_Machine_Learning_in_Action.pdf" 机器学习实战是指通过实践和应用机器学习算法来解决实际问题的过程。在本书中,我们将学习机器学习的基础知识,包括k-近邻算法、决策树、基于概率论的分类方法、...
Machine-Learning-Algorithms-from-Scratch, 从零开始实现机器学习算法 Machine-Learning-Algorithms-from-Scratch从零开始实现机器学习算法。目前实现的算法:简单线性回归。数据集:来自Quandl的股票数据逻辑回归...
梁劲机器学习笔记-全面简单Getting Started With MachineLearning (all in one)_部分2。详细、明了地介绍了机器学习中的相关概念、数学知识和各种经典算法。以浅显易懂的方式去讲解它,降低大家的学习门槛。因为文件...
基础概念可能包括机器学习的定义、不同类型的机器学习(如监督学习、无监督学习、强化学习),以及机器学习中的核心概念,比如特征工程、模型训练、验证和测试。 2. Scikit-Learn与TensorFlow:文档中提到了两个...
Machine-Learning-Link-Awesome-machine-learning