在网站拥有大量文章之后，绝大多数网站会选择对文章进行再分类，生成相应的聚合页，这样的页面称之为TAG聚合页。由于可能之前的大部分文章没有添加文章标签或者标签不够规范，资讯标签调用相关文章只能通过搜索来实现。下面提供的一个tag标签调用文章的算法，供大家参考一下，开阔思路。
根据文章对tag标签的不同匹配程度，分成了下图中四个阶梯，排序的优先顺序从上到下，具体排序规则下面说详细说明。
- 第一阶梯：文章标题能完整包含tag标签词的文章
第一阶梯的文章属于tag词高度精准匹配的文章，最优先排列。比如tag词是“SEO算法”，文章标题如果完整出现“农村土地流转”这个词才算完整包含，下列文章标题属于这种情况：
- SEO算法都有哪些 有哪些重要的SEO算法这些SEO算法你必须知道
多个文章标题都能完整包含tag标签词则按照文章发布时间的先后顺序排列，先排列最新发布的。第一阶梯的文章调用不限制数量，符合条件的全部展现出来。
第二阶梯：tag词分词后标题能全包含的文章。第二阶梯的文章属于tag词精准匹配的文章，仅排列在第一阶梯后面。比如tag词是“SEO算法”，分词后得到“SEO”“算法”；两个词，文章标题如果这两个词都有出现才算分词后能全包含，下列文章属于这类情况：
- 学习SEO这些算法你必须知道SEO们快看，百度又更新了这些算法作为SEO，你连这些算法都不知道？
多个文章标题都能tag标签分词后完整包含则按照文章发布时间的先后顺序排列，先排列最新发布的。第二阶梯的文章调用不限制数量，符合条件的全部展现出来。
第三阶梯文章属于广泛匹配的文章，排列比较靠后。比如tag词是“农村土地流转”，分词后得到“农村”“土地”“流转”三个词，文章标题中只出现这三个词中的两个或者一个的情况。下列文章属于这类情况：
- 2017年湖南农村土地现状分析全国各地土地流转形势简介农村乡镇什么类型的土地价格最高？农村现在做什么赚钱？
如果存在多个文章属于第三阶梯这类情况，则采用TF-IDF算法，根据每个文章标题对应的TF-IDF值排序，从大到小排列。这样更把更相关的文章排列在前面。
TF-IDF算法公式：把tag词分词后在标题中出现的每个词TF*IDF值求和。
TF=该词在目前文章标题中出现的次数/标题总词数
IDF=log(土流网文章总数/标题中包含这个词的文章数)
例子：对于“农村土地流转”这个tag词，“2019年湖南农村土地现状分析”和“全国各地土地流转形势简介”两个文章的TF*IDF值分别是多少？哪个文章排前面？
对于2017年湖南农村土地现状分析这个文章：
“农村”这个词，TF*IDF=1/7 * log(50000/9760)=0.143*1.63=0.233
“农村”这个词在上述标题中只出现1次，标题分词后一共7个词语，假设网站一共50000个文章，标题出现了“农村”的文章有9760篇。
“土地”这个词，TF*IDF=1/7 * log(50000/19180)=0.143*0.955=0.137
2017年湖南农村土地现状分析TF*IDF值为：0.233+0.137=0.37
对于全国各地土地流转形势简介这个文章：
“土地”这个词，TF*IDF=1/6 * log(50000/19180)=0.143*0.955=0.159
“流转”这个词，TF*IDF=1/6 * log(50000/7100)=0.143*1.952=0.279
全国各地土地流转形势简介TF*IDF值为：0.159+0.279=0.438
显然这个文章的TF-IDF值大于上面那个文章，这个文章排前面。
程序在计算第三阶梯文章的TF-IDF
Tf-idf相关介绍：baike.baidu.com/link?url=9jWqcxIe110pMpJN0LW0r2T1YgSSWCxOQFMOWGzi_u4SUl5ChaTAs3Tbk0OPi_4va-fizgtNCx3A-KMb31ihRa
第四阶梯文章属于最广泛匹配的文章，排列在最后面。这类文章基本是主题和tag词不相关，但是正文中有部分相关内容。
存在多个文章属于这类情况，则按照tag词完整出现的次数排序，出现次数最多的排列在前面，次数相同则按照发布时间的先后顺序排列，最新发布的排前面。第四阶梯的文章调用不限制数量，符合条件的全部展现出来。
5、注意事项
考虑到程序计算速度的问题，所有标签详情页可以缓存一天，可以考虑夜间计算每个标签的调用结果进行缓存。
标签调用文章总数最多不超过400篇，每页展现20条，也就是最多20页。
以上就是在考虑做TAG聚合页面的时候，所要考虑的页面调用规则，合理的规则可以大大提高文章相关性和关键词密度，以达到网站权重的提升，获得页面排名。
标签： tag标签
还木有评论哦，快来抢沙发吧~