SEO内容获取解决方案

　　一个. 采集

　　处理原理

　　当前，通常有两种采集方式:

　　1. 定向采集: 按原点排序，设置采集条件，选择站点中可用的任何内容，然后进行过滤！

　　2. 泛集合: 常规爬虫集合

　　我们在这里使用的是: 根据关键字，指定N个网站进行有针对性的采集

　　原理: 借用搜索引擎命令站点: 域关键字

　　*敏*感*词*

　　第二，内容处理

　　1. 标题

　　方法1: 简化原创标题

　　步骤如下:

　　对原创标题进行分区

　　删除停用词

　　添加词性

　　删除修饰词，例如形容词，副词，介词...，保留原创标题的主语-谓语-宾语，并获得句子的主语

　　通常，基于解词分词或nltk实现，可以通过预先分析大量标题来提取要删除的修饰语，并将其附加到词典中.

　　例如，以这种方式处理阿里巴巴某些产品页面的标​​题. 删除用户发布的产品名称中的一些不相关的词缀，并提取主词干并放置在标题标签中.

　　方法2: 插入搜索字词

　　步骤如下:

　　构建xunsearch或其他开源搜索，并为采集的标题建立索引

　　使用预先准备的搜索词（待完成的单词）在搜索界面中依次搜索

　　在搜索结果中出现的标题之前插入当前搜索词

　　我要说的是“正确使用电动汽车电池”

　　例如，匹配原创标题

　　“不要让过度放电破坏您的电动汽车电池”

　　“黄山的一个男人通过拆线缝偷了电瓶车”

　　………………..

　　在标题前插入关键字:

　　“ [正确使用电动汽车电池]不要让过度放电破坏您的电动汽车电池”

　　或者“ [正确使用电动汽车电池]黄山上的一个男人通过拆下电线并连接电线偷走了电池车”

　　当然也可以: “ {插入搜索词} {简化的原创标题}”

　　方法3: 在当前标题中插入派生词和相关搜索词，其中已经收录搜索词

　　步骤如下:

　　获取百度相关搜索或标题已收录搜索词的下拉框，

　　在标题中插入相关的搜索或下拉单词

　　例如: “ [[{百度相关搜索词1}] {原创标题}”，“ [{下拉框推荐单词1} {原创标题}]”

　　也: [{百度相关搜索词1}] {简体原创标题}“，” [{下拉框推荐单词1} {简体原创标题}]“

　　2. 身体含量

　　正文的处理主要是为了重复，以尽量减少与原创内容的相似性

　　在正文的开头和结尾插入随机文本

　　方法1: 事先准备一些通用文本模板，随机调用它们并替换关键字

　　方法2: 在正文中随机剪切一段文本

　　方法3: 随机调出N篇相关文章的标题和摘要，并将其放在开头和结尾

　　编辑正文内容

　　基于textrank算法提取文本摘要，并将其放在主要文本的前面.

　　为了防止单词数量过少，可以预先使用k-means和tf-idf在当前文章中查找相似的文章，并提取正单词最长的段落摘要和将它们添加到当前文章中，作为单词“完成”的数量.

　　汇总页面

　　聚合页面是从单词根部挖出的10个扩展单词. 每个扩展的单词都会生成一个列表页面或其他形式的聚合页面. 该页面的内容是与该单词相对应的20条内容.

　　这是最简单的模型

　　通常的模型

　　以扩展名“正确使用电动汽车电池”为例

　　聚合页面要采集的内容是:

　　如何保护充电器？

　　如何延长电池寿命？

　　电动汽车电池充电的环境要求？

　　这种模型通常是机器+工人首先预先设置模型，然后采集内容，然后处理组合.

　　案例:

　　扩展词: 九江是一个适合购物的地方

　　标题: 关键字组合，

　　内容: 汇总页面，内容组合