虽然百度放出了打击采集网站的算法,百度到底是喜欢原创文章的网站还是采集文章的网站?但给我的感觉是没有真正落实下去的。不仅如此,对于那些辛辛苦苦原创的站长来说,有时候做出来的效果还没有人家轻轻松松的采集效果来的好。
所以今天我们就来和大家分析一下网站如何采集文章做SEO!
对于一个网站来说,内容是十分重要的,除非你是付费玩家(),不用做内容也可以获得不错的排名。而对于我们这些草根站长来说,内容就像是盖楼的地基一样,得先将地基打好,才能够盖起一栋栋摩天大楼。
那么想要利用采集文章来优化网站的话,建议大家对网站优化的几个要点着重了解一下,首先是书写,网站的TDK书写是十分重要的,
当百度蜘蛛进来你的网站以后,首先抓取的就是该网页的TDK。
第二点就是网页内链锚文本,由于我们是选择采集文章来做的优化,所以每天发布的文章是非常多的,这时候就可能会有较多的。
而我们就是要利用好百度蜘蛛会不断深入爬行的这么一个特点,通过对网站文章的内部链接设置,使其不断的在我们网站里边爬行、抓取,这样的话有利于我们网站整体权重的提升。
采集文章的本质就是搬运,而在互联网上搬运文章莫过于两种方法:
手动复制的话需要耗费过多的时间以及精力,得上各大网站去寻找自己想要的文章,再去复制收集,不过手动搬运的话也是有好处的,就是我们可以更精确的找到自己想要的文章。
利用采集软件的话有利于我们对数据的分析,例如哪个文章比较多人看,比较招人喜欢。这些我们都可以通过数据分析出来,再将其搬运至我们的网站中。
目前采集通常有两种方式:
1)定向采集:按原点分类,设定条件采集,有站有什么就采什么,再过滤处理!
2)泛采集:通用爬虫采集
我们这里用的是:据于关键词基础上,指定N个站点,定向采集
原理:借用搜索引擎指令 site:domainkeyword
方法一:精简原始标题
去除修饰词,如形容词、副词、介词…,保留原标题主谓宾,获取句子主干
通常基于jieba分词或nltk实现,要删除的修饰词可以预先分析大量的标题来提取,追加到字典中。。
方法二:插入搜索词
搭建xunsearch或其他的开源搜索,对采集标题创建索引
用提前准备好的搜索词(就是要做的那些词)依次到搜索接口中搜索
对搜索结果中出现的标题前方插入当前搜索词
我要做的词有“电动车电池正确使用方法”
比如匹配出来原标题
“不要再让过度放电毁了你的电动车电池”
“黄山一男子用拆线搭线的方式偷走电瓶车”
则标题前插入关键词:
“[电动车电池正确使用方法]不要再让过度放电毁了你的电动车电池”
或“[电动车电池正确使用方法]黄山一男子用拆线搭线的方式偷走电瓶车”
当然也可以:“{插入的搜索词}{精简后的原始标题}”
方法三:插入当前标题已包含搜索词的衍生词、相关搜索词
抓取标题已包含搜索词的百度相关搜索或下拉框,
标题中插入相关搜索或下拉框的词
如:“[{百度相关搜索词1}]{原始标题}”、“[{下拉框推荐词1}{原始标题}]”
也可以:[{百度相关搜索词1}]{精简后的原始标题}”、“[{下拉框推荐词1}{精简后的原始标题}]”
正文的处理主要是针对重复性,尽量降低与原始内容的相似性
正文开头、结尾处插入随机文本
方法一:提前准备一些能够通用的文本模板,随机调用,替换关键词
方法二:正文中随机截一段文字
方法三:随机调出N条相关文章标题和概要,放到首尾
基于textrank算法提取文本摘要,放到正文前面。
为了防止字数过少,可以提前用k-means和tf-idf,找出当前文章的相似文章,可以提取它们正文字数最长的段落的摘要,加到当前的文章中用作字数上的补全。
聚合页面就是由词根挖出来的10个扩展词,每个扩展词生成一个列表页或其他形式的聚合页面,页面内容就是对应这个词采集的20篇内容。
这是最简单的模型
以扩展词”电动车电池正确使用方法”为例子
聚合页面要采集内容有:
怎样保护充电器吗?
怎样延长蓄电池寿命?
电动车电池充电环境要求?
这种模型通常机器工人先预设好模型再采集内容,再处理组合。
扩展词:九江适合逛街的地方
内容:聚合页面,内容组合
本文地址:https://www.badfl.com/article/d96a94d17148540bb723.html
上一篇:HTTP和HTTPS区别对比HTTPS加密解密及验证过...
下一篇:SEO新手要避开的四个禁忌雷区蜘蛛技巧...