{"id":705,"date":"2020-08-21T08:30:44","date_gmt":"2020-08-21T08:30:44","guid":{"rendered":"https:\/\/diagnoseo.com\/?p=705"},"modified":"2023-01-12T15:02:29","modified_gmt":"2023-01-12T15:02:29","slug":"co-to-jest-tf-idf","status":"publish","type":"post","link":"https:\/\/diagnoseo.com\/pl\/blog\/co-to-jest-tf-idf\/","title":{"rendered":"Co to jest TF IDF i jaki ma wp\u0142yw na SEO?"},"content":{"rendered":"\n

Poznaj tajniki algorytmu TF IDF i sprawd\u017a jak mo\u017cna go wykorzysta\u0107 do usprawnienia tre\u015bci i w konsekwencji lepszego pozycjonowania strony.<\/p>\n\n\n\n

Co to jest TF IDF?<\/h2>\n\n\n\n

TF IDF<\/strong> pochodzi od j\u0119zyka angielskiego. TF to skr\u00f3t od term frequency<\/em> (cz\u0119sto\u015b\u0107 wyst\u0105pienia s\u0142owa). IDF to skr\u00f3t od inverse document frequency<\/em>) \u2013 odwrotna cz\u0119sto\u015b\u0107 wyst\u0105pienia s\u0142owa w dokumentach. To metoda obliczania wagi s\u0142\u00f3w w oparciu o liczb\u0119 ich wyst\u0105pie\u0144.<\/p>\n\n\n\n

Upraszczaj\u0105c:<\/p>\n\n\n\n

TF IDF informuje o cz\u0119sto\u015bci wyst\u0105pienia s\u0142owa i jego wadze w kontek\u015bcie wszystkich badanych dokument\u00f3w (np. witryn internetowych).<\/p>\n\n\n\n

Algorytm ten mo\u017ce by\u0107 stosowany jako metoda oceny jako\u015bci tre\u015bci przez wyszukiwarki internetowe.<\/p>\n\n\n\n

Ciekawostka:<\/strong> TF IDF jest wykorzystywany w systemach typu antyplagiat.<\/p>\n\n\n

Przejd\u017a do narz\u0119dzia TF IDF<\/a><\/span><\/div>\n\n\n

Wz\u00f3r i przyk\u0142adowe obliczenia<\/h2>\n\n\n\n

Uproszczony wz\u00f3r<\/h3>\n\n\n\n

TF IDF = TF * IDF<\/strong><\/p>\n\n\n\n

gdzie:<\/p>\n\n\n\n

TF<\/strong> – to liczba wyst\u0105pie\u0144 badanego s\u0142owa lub frazy w dokumencie (np. stronie internetowej), np. je\u017celi s\u0142owo „fox” wyst\u0119puje w artykule 10 razy, a ca\u0142y artyku\u0142 ma 500 s\u0142\u00f3w to TF wynosi 10\/500, czyli 0,02<\/strong>.<\/p>\n\n\n\n

IDF<\/strong> – to logarytm z liczby dokument\u00f3w w korpusie podzielonej przez liczb\u0119 dokument\u00f3w z korpusu, kt\u00f3re zawieraj\u0105 badane s\u0142owo kluczowe.<\/p>\n\n\n\n

Korpus to zbi\u00f3r wszystkich badanych dokument\u00f3w, np. je\u017celi badamy strony w top 10 to nasz korpus wynosi 10.<\/p>\n\n\n\n

Przyk\u0142ad obliczenia dla IDF. Je\u017celi korpus wynosi 10, a badane s\u0142owo kluczowe wyst\u0119puje np. w trzech dokumentach w korpusie to IDF wynosi log (10\/3), czyli 0.52<\/strong>.<\/p>\n\n\n\n

Maj\u0105c obliczone osobno TF oraz IDF mo\u017cna przej\u015b\u0107 do obliczenia ca\u0142o\u015bci TF IDF, czyli pomno\u017cy\u0107 TF razy IDF. W naszym przyk\u0142adzie b\u0119dzie to 0,02*0,52 czyli 0.01<\/strong>.<\/p>\n\n\n\n

Ciekawostka: <\/strong>Popularne s\u0142owa kluczowe, kt\u00f3re wyst\u0119puj\u0105 w artyku\u0142ach to tzw. s\u0142owa typu „stopwords”. Przyk\u0142ad: Je\u017celi s\u0142owo z grupy „stopwords”, np. „aby” wyst\u0105pi\u0142o w dziesi\u0119ciu dokumentach w korpusie sk\u0142adaj\u0105cym si\u0119 z 10 dokument\u00f3w, to \u0142atwo obliczy\u0107 IDF, czyli log(10\/10) = 0. Dzi\u0119ki temu najcz\u0119\u015bciej wyst\u0119puj\u0105ce s\u0142owa typu „stopwords” maj\u0105 zerow\u0105 lub bardzo nisk\u0105 wag\u0119 wyliczon\u0105 w algorytmie TF IDF.<\/p>\n\n\n\n

Dlaczego TF IDF pomaga w SEO?<\/h2>\n\n\n\n

Obecnie Google w swoich wynikach wyszukiwania premiuje strony, kt\u00f3re maj\u0105 wysok\u0105 jako\u015b\u0107 tre\u015bci, czyli mi\u0119dzy innymi dog\u0142\u0119bnie opisuj\u0105 dane zagadnienie.<\/p>\n\n\n\n

Prosty przyk\u0142ad:<\/p>\n\n\n\n

Je\u017celi artyku\u0142 u\u017cywa wszystkich \u015bci\u015ble powi\u0105zanych s\u0142\u00f3w kluczowych oraz ma odpowiedni\u0105 d\u0142ugo\u015b\u0107, to istotny sygna\u0142 dla wyszukiwarki, \u017ce opisuje zagadnienie w spos\u00f3b kompletny. <\/p>\n\n\n\n

Nasuwa si\u0119 pytanie jak odkry\u0107 s\u0142owa kluczowe, kt\u00f3re Google traktuje jako istotne i powi\u0105zane z tematem artyku\u0142u. Aby odkry\u0107 s\u0142owa, kt\u00f3re s\u0105 powi\u0105zane z danym zagadnieniem mo\u017cna u\u017cy\u0107 algorytmu TF IDF do analizy stron, kt\u00f3re ju\u017c s\u0105 w top 10. Dzi\u0119ki temu odkryjesz s\u0142owa kluczowe, kt\u00f3re s\u0105 istotne do opisania i umieszczenia w tre\u015bci.<\/p>\n\n\n\n

Jak wykona\u0107 analiz\u0119 TF IDF dla stron z top 10?<\/h2>\n\n\n\n

Nie ma sensu wykonywa\u0107 oblicze\u0144 r\u0119cznie, poniewa\u017c danych jest bardzo du\u017co.<\/p>\n\n\n\n

Aby zautomatyzowa\u0107 proces oblicze\u0144 i maksymalnie u\u0142atwi\u0107 analiz\u0119 najlepiej skorzysta\u0107 z narz\u0119dzia TF IDF<\/strong><\/a>. Jest ono banalne w obs\u0142udze. Nale\u017cy jedynie poda\u0107 adresy stron z top 10 w Google dla danego zapytania, na kt\u00f3re planujesz napisa\u0107 artyku\u0142.<\/strong> Narz\u0119dzie przeanalizuje wszystkie strony i wska\u017ce posortowane s\u0142owa i frazy wed\u0142ug najwy\u017cszych wag TF IDF.<\/p>\n\n\n\n

Wa\u017cna kwestia: <\/p>\n\n\n\n

Ale co je\u015bli Tw\u00f3j artyku\u0142 jest ju\u017c napisany i opublikowany, a nie by\u0142 optymalizowany pod k\u0105tem TF IDF? W narz\u0119dziu TF IDF<\/a> w takim przypadku opr\u00f3cz stron internetowych z top 10 wpisz tak\u017ce adres swojej strony internetowej. Uzyskasz dzi\u0119ki temu informacje, jakich dok\u0142adnie s\u0142\u00f3w brakuje na Twojej stronie internetowej. Gotow\u0105 list\u0119 s\u0142\u00f3w mo\u017cesz wklei\u0107 w polu „related keywords” w narz\u0119dziu Edytor Tre\u015bci<\/strong><\/a> – to u\u0142atwi Ci proces tworzenia tre\u015bci oraz finalne sprawdzenie, czy wszystkie niezb\u0119dne s\u0142owa kluczowe s\u0105 ju\u017c umieszczone w twoim zoptymalizowanym i usprawnionym artykule.<\/p>\n\n\n\n

Podsumowanie<\/h2>\n\n\n\n