SEO 集約ページのインスピレーションのためのシングルアルゴリズム

シングル アルゴリズムは、検索エンジンが同一または類似のページを削除するために使用する基本的なアルゴリズムの 1 つです。SEO ページを集約するときにページ間の重複を避けるにはどうすればよいでしょうか。重複の問題にどう対処すればよいでしょうか。シングル アルゴリズムを推測することで、ヒントを得ることができます。

シングル [ˈʃɪŋgəl] は英語でタイルを重ねることを意味します。まず、例を使って Shingle アルゴリズムを説明しましょう。

タイトルが A と B の 2 つの文書があるとします。文書 A のタイトルは「明日から、電話で予約した列車のチケットは全国で受け取れ、受取時間が 12 時間延長されます」です。文書 B のタイトルは「電話で予約した列車のチケットは全国で受け取れ、オンライン先行販売期間が延長されます」です。

検索エンジンは、これら 2 つの文書のタイトルが重複しているかどうかをどのようにして知るのでしょうか。たとえば、Shingle メソッドを使用して、2 つの中国語の文字を 1 つに分割できます。

長さ L の文書の場合、N 個の漢字ごとに 1 枚の紙片が切り取られるため、合計で L-N+1 枚の紙片が切り取られます。文書 A のタイトルは L-N+1=21-2+1=20 枚の紙片に切り取られ、文書 B のタイトルは L-N+1=20-2+1=19 枚の紙片に切り取られます。

文書 A と B のタイトルに共通するシングル単語は、図の太字で示された 7 つの単語 (電話、電話予約、電車、切符、国内、国内接続、ユニバーサル接続) です。

2 つの文書 A と B のタイトルには、20+19-7=32 個の Shingle があります。

ただし、2 つの文書タイトル A と B の共通シングルを 2 つの文書タイトル A と B の共通シングルで割ったものが 2 つの文書タイトルの Jaccard 係数であり、これを使用して 2 つの文書タイトル A と B の類似性を判断できます。

2つの文書タイトルAとBのジャカード係数 = 7/(20+19-7) = 0.21875

2 つの文書のタイトルから、2 ページの文書に拡張し、さらに N ページに拡張して、Jaccard 係数が類似性の必要な基準を満たしているかどうかによってページが類似しているかどうかを判断できます。

これは、Shingle アルゴリズムです。2 つのセットの共通部分を 2 つのセットの和集合で割って、Jaccard 係数を取得します。Jaccard 係数が特定の数値より大きいかどうかを判断することで、2 つのセットが重複しているかどうかを判断できます。

Shingle アルゴリズムを逆にします。Jaccard 係数が一定数より小さい場合は、繰り返しません。まず、各ドキュメント コレクションを複数の Shingle に分割し、Jaccard 係数を 2 つずつ計算します。一定数より小さい場合は、ページを生成します。

以前行ったプロジェクトで、ある方法を使用しました。少し不器用ではありますが、それでも実用的です。皆さんにも共有したいと思います。

北京映画カテゴリにグループ購入注文が 100 件あるとします。次に、下の図の右側にある単語の集約ページを設計する必要があります。各ページには 10 件の注文が表示されます。Jaccard 係数が 0.3 より大きいと仮定すると、ページが重複していると判断されます。重複のないページを生成するにはどうすればよいでしょうか。

次の図は、注文のタイトルと長いタイトルを示しています (長いタイトルには多くのテキストと大量のテキストが含まれているため、長いタイトルが SEO 集約ページに使用されることを前提としています)。

各 ID は一意であり、各 ID に対応するタイトルと長いタイトルもほぼ一意であるため、同じ ID を持つ注文の数を単純化して重複の問題を解決できます。

これは、各ページには 10 件の注文が表示され、2 つのページに 3.33 個以上の同一の ID が存在することはないことを意味します。つまり、各ページの ID を比較すると、すべての ID が異なる場合はページを生成でき、1 つの ID のみが同一の場合はページを生成でき、2 つの ID のみが同一の場合はページを生成でき、3 つの ID のみが同一の場合はページを生成でき、4 つ以上の ID が同一の場合はページを生成できません。

今後は、アルゴリズム、テクノロジー、SEO の交流に余暇のほとんどを費やし、皆さんとより良いものを共有していきたいと考えています。

ご質問がある場合は、Meituan Chen HuiのWeiboにプライベートメッセージを送信してください：http://1.t.qq.com/chenhui8com

元のタイトル: SEO 集約ページのインスピレーションのためのシングルアルゴリズム

キーワード: シングルアルゴリズム、SEO 集約ページ、SEO 計算、ウェブマスター、ウェブサイト、ウェブサイトのプロモーション、収益化