相信很多SEO站长应该都听过百度搜索引擎TF-IDF算法，但是很多刚入行的站长不太清楚，接着昨天说的百度惊雷算法3.0，所以接下来我来跟大家说百度的TF-IDF算法到底是怎么一回事。

TF-IDF算法是增加相关词的覆盖率，以及高优布局关键词密度，从而在百度谷歌等搜索引擎内容质量这一项上的排名加分，获取高分值。

一、TF-IDF算法的定义  

“TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用，作为文件与用户查询之间相关程度的度量或评级。

假如说我们在百度上搜索“水果”这个词，百度爬虫抓取的网站内容有下面5个，你觉得哪个内容排名1？  

内容1：水果有水果，水果，水果，水果，水果  

内容2：水果有苹果，桃子，西瓜，菠萝，梨子  

内容3：蔬菜都很好吃，我爱吃茄子了  

内容4：苹果，梨子都是很好吃的水果  

内容5：好吃的水果有西瓜，苹果，葡萄，其他水果还有菠萝，猕猴桃  

相信很多人心里面有了答案，大家凭直觉，内容2跟内容5应该排名靠前，内容5很可能是排名1，内容2是排名2。其实按照TF-IDF算法也能得出这个结论，那么TF-IDF是怎么做的，请大家跟上我的步伐。  

二、TF-IDF算法的计算步骤

（1）计算逆文档频率

我们先统计各个词语被包含的文章数。比如“水果”被4篇文章（内容1、2、4、5）引用，4就是“水果”的逆文档频率。分词后，各个单词的逆文档频率如下：

水果=4、苹果=3、好吃=2、菠萝=2、西瓜=2、梨子=2，桃子=1、猕猴桃=1、蔬菜=1，茄子=1计算逆文档频率

PS:IDF=log(语料库中的文件总数/包含词语t的文件数目)，为了便于理解，这里做了精简。

按照我们的直觉，如果一篇文章把逆文档频率高的前面的词都包含了，说明这篇文章内容更贴合用户意图，更受到搜索引擎喜欢。回到例子，"水果、苹果"是本例中重要性高的2个词，如果内容中包含“水果、苹果”，那么这篇内容质量就越好。

所以把包含“水果、苹果”的内容拿出来，就是比较靠谱的内容了：

内容2：水果有苹果，桃子，西瓜，菠萝，梨子 

内容4：苹果，梨子都是很好吃的水果

内容5：好吃的水果有西瓜，苹果，葡萄，其他水果还有菠萝，猕猴桃 

（2）计算词频(TF)  

我们把内容1、内容3砍掉了，剩下的内容2、内容4、内容5怎么排序。我们想一下，一个词语在内容中出现的次数越高，也说明这个词语对这篇文章更重要。回到本例，“水果”是我们的核心词，那么因为内容5中出现“水果”两次，内容2、内容4次数是1，那么内容5胜出。排序结果如下：:

内容5：好吃的水果有西瓜，苹果，葡萄，其他水果还有菠萝，猕猴桃（1）

内容2：水果有苹果，桃子，西瓜，菠萝，梨子（2）

内容4：苹果，梨子都是很好吃的水果（3）

内容1：水果有水果，水果，水果，水果，水果（相关度不够，被剔除）  

内容3：蔬菜都很好吃，我爱吃茄子了（相关度不够，被剔除）  

以上是砍了又砍的TF-IDF算法简化解读版，真实的TFIDF算法比这个要正规复杂很多，这里只是让大家get到，目的就达到了。  

我们可以看到，TFIDF算法，不仅可以衡量关键词对页面的重要性，更能衡量文章的广度相关性。对于百度、360、google来说，TFIDF算法的出现屏蔽了一大批用关键词密度来获取排名的SEO小白，同时提升了搜索质量啊，真是一箭双雕。江门市华企立方科技有限公司为江门客户提供专业的建站业务，网站设计，外贸平台，微信推广，及SEO网络推广的网络公司，如有需求敬请联系我们。

（本网站部分素材来自网络，如果本网站展示信息侵犯媒体或个人的知识产权或其他合法权益，请及时通知我们，我们立即予以删除。）