干货内容:实战干货 |SEO网站优化长尾关键词正确布局

　　干货内容:实战干货 |SEO网站优化长尾关键词正确布局

　　长尾关键词布局非常重要，因为它涉及到网站的后期优化效果。布局长尾词的第一个要点是对长尾词进行挖掘和筛选，然后根据长尾词的竞争程度和相关性，在网站的栏目页和内页中进行排列。内页的长尾词围绕栏目页上比较有竞争力的短词排列，不同栏目中的长尾词不能交叉重叠。

　　1. 点击长尾 关键词。

　　挖掘长尾关键词的方法是利用百度相关搜索、百度下拉框、百度知乎、搜搜Ask等工具，找到用户经常搜索的长尾关键词。也可以借助一些其他的工具，比如百度推广助手，挖掘出的长尾词会更加准确。

　　将挖掘出来的关键词放到电子表格中，去掉重复明显的长尾词和不相关的长尾词。比如在挖掘钢管等词的时候，如果有钢管舞相关的长尾词，那么就必须去掉钢管舞相关的长尾词。

　　2.长尾关键词分类，

　　筛选出适合网站投放的长尾关键词，选择意思相近的，竞争激烈的，收录的，不收录的。还有的作为生态圈的长尾词布局外链文章。

　　

" />

　　1）比赛分类。

　　2）收录

单词分类。

　　对于收录

关系的词，选择一个可以收录

另一个词的长尾词。如果收录

词的索引比较大，则选择收录

词。

　　3、专栏页和内页的布局。

　　筛选关键词时，有短词和长词之分。如果是索引和竞争度比较高的短词，会作为栏目页的关键词，而长词和低索引竞争度较低的关键词排在长尾词在内页上。

　　4.长尾词标题和描述设置

　　大多数站长在布局长尾关键词标题时，会使用两个甚至三个长尾词或关键词来设置标题，这样不仅影响用户阅读，还会影响长尾排名。尾词。

　　(1) 标题采用选中的长尾关键词

　　(2) 描述收录

长尾词，以及简要概述

　　

" />

　　预防措施：

　　筛选长尾词的作用是找到有价值的长尾关键词，避免重复，而做索引和竞品分析是为了避免内容重复。

　　1. 禁止出现完全不相关的刷长尾关键词，部分SEO会使用工具刷长尾关键词以作弊

　　2、很多站长不愿意分享意思相近的长尾词，于是在站内安排了两个相似的长尾词，但内容还是差不多。大量此类内容会导致网站降级。因为搜索引擎不会对主页上有重复内容的站点进行排名。

　　3、栏目分类时，栏目下方内页的长尾词必须是关键词栏目的扩展词或相关长尾词，站内长尾词不能交叉显示在网站的其他栏目中。

　　解决方案:机器新闻写作： 媒体行业的探索研究与实践

　　原任鼎传媒

　　2019年1月，习近平总书记在中共中央政治局第十二次集体学习时强调，探索人工智能在新闻采编、发布、接收、反馈等方面的应用，全面提高引导群众引导能力。观点。机器新闻写作作为人工智能与新闻业相结合的典型代表，是新闻业基于人工智能技术的创新内容生产方式。在媒体竞争中，回归优质内容将是媒体内容生产的重要趋势。优质、多元化的新闻内容是其主要竞争力，必将推动新闻核心的回归。机器新闻写作自动分析，

　　01

　　机器新闻写作应用的现状

　　机器新闻写作最早起源于美国，至今仍以绝对优势领先。中国在第二波发展浪潮中表现出色，其次是瑞典、英国、法国、丹麦等国。目前机器新闻写作题材相对有限，主要集中在体育赛事和经济热点，包括体育赛事报道、财报解读等，社会民生、自然灾害、天气变化等题材仅占30%总数。

　　在国外，美联社、雅虎、华盛顿邮报、BBC新闻都开始使用机器新闻写作技术来负责稿件的生成。其中，华盛顿邮报的Heliograf软件只需要编辑设置稿件模​​板，确认关键词即可完成稿件撰写。升级后，你可以用更专业的语气来评论和分析事物；BBC News Lab 的 Juicer 于 2012 年首次推出，其任务包括新闻提醒、视频新闻、政府公告、社交媒体信息等海量数据的采集

和自由使用。同时监测了850多个媒体新闻源、政府信息源和部分网络新闻源，然后分门别类进行写作。

　　我国机器新闻写作研究起步较晚，但发展迅速。新华社“开笔小新”擅长体育和金融领域。编辑完成稿件需要15-30分钟，而小新只需要3~30分钟。5秒，小新可以根据文字自动搜索资源库匹配最相关的图片、视频、音频素材，自动制作视频，还支持语言配音。2018世界杯期间，封面新闻小风机器人共推送世界杯相关文章600余篇，实现全网累计阅读量超2亿。作为首位3D多语言AI记者，

　　02

　　机器新闻写作技术支持

　　人工智能的三大支柱是算力、数据和算法，机器新闻写作也是如此。算力被形容为支撑人工智能应用的“引擎”。芯片、加速计算、服务器等软硬件技术和产品的完整体系，提供超强算力，帮助算法快速计算结果。数据作为大数据时代的基石，为人工智能的实际应用提供了“燃料”。大数据具有5V特性（IBM提出）：Volume（数量大）、Velocity（高速）、Variety（多样性）、Value（价值密度低）、Veracity（真实性）。算法模型是人工智能的“载体”。其复杂性不断加深，

　　硬件平台支持。人工智能发展初期，以能力培养为核心，这一阶段更多的计算负荷集中在离线数据中心。进入规模化应用阶段后，人工智能赋能产品或行业解决方案的能力成为普遍应用技术。这一阶段将呈现“云+端”部署、去中心化、终端化、场景化的特点，对算力的需求也将快速增长，更加多元化。

　　媒体大数据云服务平台基础。媒体大数据云服务平台涵盖了数据采集、数据挖掘、自然语言处理、计算机视觉处理等一系列相关技术和理论，进行统一的采集、处理、存储、检索和深度挖掘的大数据平台用于智能挖掘和分析。

　　数据采集​​。数据是起点，数据使得机器新闻写作所需内容的关联、预测和分析成为可能。数据采集​​是大数据平台的基础，广泛、庞大、多样的真实数据是模型学习、训练和优化的保障。

　　大数据平台的数据来源大致可以分为三类：互联网公开采集数据、中央媒体新闻稿件和媒体单位内部数据。由于外部数据的获取渠道不同，需要多种数据采集方式来实现涵盖新闻/视频网站、微博、微信、手机新闻客户端等媒体渠道的文本、图片、音频、视频的富文本数据采集。

　　大数据平台建设。随着智能媒体时代的到来，传统媒体正处于向新智能媒体的过渡期。搭建媒体大数据服务平台，为媒体单位网站、官方微博、微信、手机新闻客户端的运营提供强大的数据支撑，也为机器新闻写作提供底层数据支持，助力科技与传统媒体、新媒体在新闻制作、内容传播、技术创新、产品创新、服务创新等方面进行深度融合。

　　

" />

　　机器新闻写作旨在在特定的新闻报道场景下快速产出内容，比如重大突发事件、体育、财经等，在这个过程中，不否认人的参与的重要性，而是通过机器对文稿内容进行高度新闻写作中获得完成度，机器或人工审核通过后进行最终发布。为了保证机器新闻的写作质量，数据的标准化和标签体系的建设显得尤为重要。数据的准确性和代表性是模型学习和训练的关键，这对大数据平台的建设提出了更高的要求。

　　将重复数据删除、垃圾邮件过滤、非相关数据过滤、非结构化数据统一格式等各种数据处理操作转化为标准化数据存储在数据资源池中。自然语言处理技术和计算机视觉处理技术实现了文本数据的多维挖掘和分析，以及图像内容的提取、分析、识别和处理。

　　针对当前媒体融合发展趋势，构建符合不同行业特点和媒体单元属性的分类标签体系，对来自不同媒体渠道、不同表现形式、不同数据领域的多媒体数据进行分类标签，从而快速发现互联网热点线索和信息，为机器新闻写作提供方向和素材。

　　应用服务。没有应用场景的机器新闻写作和人工智能技术是没有意义的。技术的发展、更新和迭代，都是为了更好地服务于业务场景的实际应用需求。技术、算法和模型的实际实现也需要与应用服务场景一致。结合。

　　算法模型支持。算法是计算机科学领域最重要的基石之一。自人工智能和机器新闻写作技术问世以来，算法和模型备受关注。许多公司将算法视为其核心竞争力之一。根据不同的模型训练方法和解决任务，算法可以分为多种类型。在具体的业务场景中，算法的选择和使用也呈现出差异化的特点。

　　目前机器新闻的写法大致分为两类：一类是将数据填入系统模板，形成新闻，模板是常量，数据是变量；另一种是从管理系统中获取数据，对数据进行分类、过滤、汇总、计算，最后利用最终数据形成文本，主要适用于金融新闻文本的写作。现有的机器新闻写作和报道算法缺乏针对深度报道、跟进报道和富文本报道的稿件生成算法。随着短视频的兴起，针对短视频的机器新闻写作报道也将成为关注的焦点。

　　发现新闻热点，匹配新闻素材。基于内容相似度计算模型和聚类算法模型，对大数据平台中的素材进行相似度计算和内容聚类，快速发现互联网新闻热点，为机器新闻写作提供内容创作方向。构建语言、图像、视频到文本的跨模态语义映射和对齐，对未标注的原创

数据进行自动准确的文本标注，将提取的语义特征投射到深度特征空间进行多层次语义理解深度匹配实现报道需求确定后新闻素材的快速匹配。

　　新闻报道语境挖掘。基于大数据平台提供的新闻素材，以事件图谱和马尔可夫随机场作为计算模型，学习新闻报道之间的因果关系，使模型能够自动识别新闻报道的上下文，具有持续报告事件。

　　典型新闻报道场景下的新闻和短视频生成。针对语音、图片、视频数据的文本标注，结合知识图谱技术和弱监督学习方法，融合多种信息，面向新闻素材领域的弱监督迁移学习。基于自然语言生成算法和注意力机制，端到端学习可以自动生成新闻文本，自动选择图片和视频素材，不断提高学习网络模型的鲁棒性。最后形成多领域、多主体事件模型的泛化，形成零样本学习、主动学习和强化学习的模型。

　　在机器新闻写作走向应用的过程中，以业务场景为核心，用最少的数据、最简单的模型、最少的计算能力解决最实际的问题，达到最好的效果。

　　03

　　机器新闻写作评价系统

　　机器新闻写作自2015年进入国内大众视野以来，已经经历了五年的发展历程。机器新闻写作评价体系的建立，将对优化算法模型和数据质量起到指导作用。目前*敏*感*词*还没有权威的机器新闻写作评价体系发布。对标传统媒体内容与新媒体内容稿件的评价标准及指标权重体系。维度包括内容完整性、准确性和及时性、内容安全性、传播效果和稿件写作效率评估。

　　内容的完整性、准确性和及时性。在地震、爆炸、事故等重大突发事件的报道工作中，基于硬新闻的性质，有极其严格的时间要求。报告必须快速、准确，并且信息尽可能量化。这类新闻一般具有很强的时效性、广度和方向性。机器新闻写作可以实现文字、图片、短视频等多媒体稿件和选题的自动生成，大大减少了新闻撰写的时间，保证了内容的完整性、准确性和时效性。

　　内容安全。在新闻内容审核过程中，可对文字、图片、音视频等进行基于AI的内容审核，准确识别涉政、涉黄、涉暴、涉恐等敏感人群信息，有效控制业务风险违规行为。

　　

" />

　　通过句法分析、语义分析、知识图谱、规则模型和检索模型等技术实现稿件内容审阅。解决常见的单词错误、标点错误、政治错误、常识错误、中英文关键词错误等类型，实现自动查错、人工纠错、提示错误原因、修改建议、统计错误、生成勘误表.

　　扩散效应。机器新闻写作的大部分内容都是在新媒体渠道发布的。在早期学者的研究中，网络新闻的传播效果体现在：一是网民的新闻消费行为，二是网民的新闻生产行为，三是媒体的反应。并提出了点击量、网站访问量、网民搜索量等网民消费行为的评价方法；网民评论、转发、采集

、受众调查等新闻生产行为评价方法；媒体反应分析视角下的网络新闻传播效果评价方法[J].

　　机器新闻写作效率。机器新闻写作需要与现有媒体单位使用的数据库、编辑系统、发布系统、媒体资产系统等平台和环境相兼容，以保证运行顺畅。同时，作为一种新的生产工具，它需要一定的操作性和便利性，才能更快地推广应用。

　　04

　　机器新闻写作的优势和影响

　　新闻内容的生产方式正在从PGC（媒体生成内容）向UGC（用户生成内容），再到AGC（算法生成内容）演进。机器新闻写作依靠数据和算法自动生成新闻文章，避免主观因素造成的新闻不准确，减少新闻创作者的重复性工作，让新闻生产和传播更加高效，内容更加丰富。

　　真实、准确、客观。新闻是传播和导向的。真实、准确、客观是新闻报道的基本要求。在新闻生产过程中，为了报道一件作品，记者需要对历史新闻资料有基本的了解和掌握。对于材料的采集

和分类是一项繁重且重复性的工作，需要时间。一是机器新闻写作可以将记者从重复整理素材的工作中解放出来，二是可以提高内容生产的真实性、准确性和客观性。

　　快速高效。前面提到的美联社使用的Wordsmith平台甚至可以每秒产生2000篇文章，每周可以写出数百万篇文章。财报工作效率大大超出预期。在采用这个平台之前，每个季度只能完成300家公司的财务报告，而现在可以完成3000家公司的报告。

　　对于地震、火灾等突发性重大事件的报道，机器新闻写作在报道速度上具有很大优势。2017年，第一条关于九寨沟地震的新闻报道，来自一个写字机器人。报告 7.0 级地震需要 25 秒，报告其他余震仅需 5 秒。

　　05

　　结语

　　*敏*感*词*在《资本论》中指出：“社会劳动生产率首先是科学的力量，大工业把巨大的自然力量和自然科学融入生产过程，必然大大提高劳动生产率。” 人工智能的快速发展给生产效率带来了提升，很多行业都享受到了这种技术革新带来的红利。智能媒体时代，人工智能将从新闻素材的采集、数据处理与分类标注、新闻报道选题与策划、富文本内容的制作与编辑、新闻发布与精准推送，以及新闻工作人员绩效考核 每届会议。

　　太极电脑深耕传媒行业20年。长期服务于传媒单位，见证和参与传媒行业的技术发展和产业变革。太极深知科技对媒体的巨大影响。人工智能等新技术将持续赋能媒体应用，创新新闻创作发布形式。太极将与媒体单元拥抱新技术，引领媒体融合的未来。（作者系太极计算机股份*敏*感*词*文旅战略事业本部事业发展中心总经理）

　　喜欢这个的人还喜欢