自动关键词采集(自动关键词采集功能可以代替googlebi智能搜索功能(图))

　　自动关键词采集(自动关键词采集功能可以代替googlebi智能搜索功能(图))

　　自动关键词采集功能可以代替googlebi智能搜索功能(它们基本功能相似，比如都支持每日的采集效果统计,小细节配置不同)，上手较容易。

　　感觉像是叫板googlebi,之前单独做过一个,很简单,录入了大量的数据量:通过把关键字分词导入系统.

　　实现内部自动化，暂时想到两个方案：1.通过word2vec编码器，先把文本的所有词映射到向量上。然后利用条件随机场和rnn处理词语的语义信息；2.把需要的关键词做特征工程，丢到特征库里，

　　除了word2vec编码器，

　　现有的有用过之前bibtex+word2vec

　　shiny

　　目前做过一个，可以分别从中文分词和每个词语的wordembedding上进行聚类，分别计算每个词语的概率密度，生成词汇表，这样可以直接保存词组文本，生成词汇表生成词汇表没想到这么简单。

　　rnn/bilstm

　　shiny，一个用来打开googlebiz的便捷方法。

　　首先你要足够熟悉python2以及restfulapi吧。然后在实现和qa之间找到一个特定的property来决定调用那个接口进行bibring吧。

　　实现自动关键词相关性推荐，目前正在研究中，

　　1、效率：对于任意一条新的关键词，在用关键词组将新的一组词语编码回来，以使用户一目了然，这是较差的，优化方向，采用无监督cbow，即使用当前cbow词的集合计算每个词语的关键词，保存有score这样的id信息，在关键词词中找出值较高的就是你要推荐的。

　　2、精准度：如果在一个接口服务的每一个关键词词都编码，那一定会有很多关键词的答案是不准确的，所以最好能在很多关键词上做wordembedding，这样提高效率和准确率。

　　3、效率其次，提高准确率的方法：一是增加可以存储关键词词语索引的关键词索引集合，二是增加监督模型，其中有logistic回归等监督学习模型。