当您需要加深站点部分的结构或在我们未知的主题中创建...

Ragebur13

第二种方法不是从 SERP，而是从请求本身。当您需要加深站点部分的结构或在我们未知的主题中创建站点时，这很有用。在这种情况下，通过特定“掩码”（例如“电视”或“签证”）从“云”检索请求。您可以使用正则表达式指定更复杂的掩码。

收到请求后，它们按 SERP 分组，并获得所需的结 马其顿电话号码表 构深化。通过这种方法，一个以前未知的问题出现了——同音异义。例如，“visa”可以是国家，也可以是银行卡。文件上也可能有酋长签证；还有内衣 - “签证签证”和家具厂“Viza”。

还有一些不那么复杂的情况——这个词本身意思是一样的，但是查询中的其他词改变了意图。例如：“买电视”、“修电视”、“电脑电视节目”等。

当然，您可以手动分散生成的集群，但最好以某种方式使这项工作自动化。

为了区分这种情况，发明了“专题小组”：



在这里，他们再次使用自己的查询数据库和 SERP。系统分析如何在不同的集群中找到不同的 URL 和域。毕竟，很明显，不同的网站将针对“土耳其签证”和“电子签证”的请求发布。通过生成的主题组，您甚至可以非常快速地过滤掉 10-20,000 个请求的核心。

可以自动化的语义过程的另一部分是基于接收到的查询组构建结构。

这里的算法应该分析组自己的请求以重现人类行为的顺序——如果有请求：“电视”、“三星电视”和“三星电视 32 英寸”，那么作为用户，我们很清楚“ Samsung TVs 32 ”英寸是“ samsung TVs ”的子类别，而后者又是“ TVs ”的子类别。

在实践中，一切都变得更加复杂 - 组有额外的单词和同义词。如何自动完成？

已经应用的解决方案是计算一组请求对另一组请求的覆盖率。

nihaolai

好好好好好好好好好好好好好好好好好顶