[发明专利]一种模糊K均值聚类算法实现搜索引擎优化技术

权利要求书

1.一种模糊K均值聚类算法实现搜索引擎优化技术，本发明涉及语义网络技术领域，具体涉及一种模糊K均值聚类算法实现搜索引擎优化技术，其特征是，包括如下步骤：

步骤1：根据企业业务确定核心关键词，利用搜索引擎搜集相关关键字，这些关键字在搜索引擎中有相应数据项，如本国每月搜索量、竞争程度和估算每次点击费用等

步骤2：结合企业产品和市场分析，筛选降维上述搜索到的相关关键字集合；

步骤3：针对筛选降维后的关键词集合，通过搜索引擎搜索关键词对应的页面，这里记录首页网页数和总搜索页面数，即每个关键词由五维向量再降维为四维的，其具体计算过程如下：

这里相关关键词个数为m,既有下列矩阵：

、、、、依次为第i个关键词对应的本国每月搜索量、竞争程度、估算每次点击费用（CPC）、首页网页数、总搜索页面数再降维

为四维，即

为搜索效能，为价值率，即为下式：

步骤4：一种模糊K均值聚类算法，对上述关键词进行聚类处理，其具体子步骤如下：

步骤4.1：利用基于领域的k-means算法初始化簇，筛选出k簇；

步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J，使其满足隶属的整个约束条件 ；

步骤4.3：构建k类总目标函数J，综合隶属约束条件，构建m个方程组，对其进行求解，即可求出使总目标函数J最大的必要条件、；

步骤4.4：根据判定函数、、的大小来确定迭代的结束；

步骤5：根据企业具体情况，综合关键词效能优化和价值率优化，选择合适的关键词优化策略达到网站优化目标。

2.根据权利要求1中所述的一种模糊K均值聚类算法实现搜索引擎优化技术

其特征是，以上所述步骤4中的具体计算过程如下：

步骤4：一种模糊K均值聚类算法，对上述关键词进行聚类处理，其具体子步骤如下：

步骤4.1：利用基于领域的k-means算法初始化簇，筛选出k簇；

步骤4.2:用值[0,1]间的随机数初始化隶属矩阵J，使其满足隶属的整个约束条件 ；

构建随机隶属矩阵J为：

为关键词i属于j类的程度系数，即

隶属的整个约束条件为：

步骤4.3：构建k类总目标函数J，综合隶属约束条件，构建m个方程组，对其进行求解，即可求出使总目标函数J最大的必要条件、，其具体计算过程如下：

根据总目标函数J，构建带有m个约束式的拉格朗日算子方程组，即有下式：

上式为j类数据对象个数，为j类关键词x所对应的向量，为j类关键词y所对应向量，为j类中两关键词的属性差值；

上式h为数据对象属性个数，h=4，为j类关键词的均值，同理，为j类关键词的均值

是m个约束式的拉格朗日算子，对上述式子进行求导，对所有输入参量求导，即可求得使J达到最大的必要条件、：

这里的为类j簇中心，跟上面的不一样，为数据对象对应向量

步骤4.4：根据判定函数、、的大小来确定迭代的结束，其具体计算过程如下：

上式为当前迭代的总目标函数值，为上一次总目标函数值，为前后迭代的隶属变化值，为前后迭代的类中心变化值，、、为足够小的阈值，只有满足上述三个条件，则迭代结束，输出最佳聚类结果。