为什么 TF*IDF 不允许您优化内容

Fgjklf

许多 SEO 工具或顾问都基于 TF*IDF 方法进行内容创建和/或优化。尽管 TF IDF 给我们留下了改善内容的印象，但它实际上并没有解决我们的排名问题。
随着您对 TF-IDF 的工作原理了解得越来越多，您会发现使用 TF-IDF 可能会导致内容优化出现错误。

什么是 TF*IDF？
TF-IDF（词频和逆文档频率）是一种用来确定文档中术语的相关性的度量。  巴哈马商业指南 该公式考虑了给定文档中术语的频率 (TF) 以及包含该词的文档数量 (IDF)。 TF IDF 允许您区分不同文档之间的差异元素（在本例中为单词）。


有关该方法及其计算的更多信息，请访问此处

谷歌是否使用 TF IDF 方法？这项措施是否仍然有意义？
谷歌（通过约翰·穆勒）暗示搜索引擎对此方法的使用是有限的。他在讨论停用词排除话题时首先提到了 TF-IDF。

鉴于知识图谱数据库以及蜂鸟 (Hummingbird) 和 Rankbrain 算法的进步，这并不奇怪。谷歌正在不断发展。当你学会处理人类语言的模糊性时，你对语言的理解就会不断提高。

谷歌也在提高处理多重含义查询的能力。但该算法还远不够完善。我们将看到，这对使用 TF-IDF 分析方法进行内容优化的人来说是一个严峻的挑战。

在人工智能、神经网络和机器学习成为常态的世界里，TF-IDF 已经过时了。这有点像比较雷诺 4L 与特斯拉。
为什么 TF-IDF 似乎有效？
尽管谷歌对这项过时技术的使用有限，但许多 SEO 顾问和语义工具都很欣赏 TF-IDF。因为？

TF-IDF 在 SEO 社区中是一个相对未知的概念。由于对这种分析方法不熟悉，很多SEO专家或工具误以为这是尖端技术。这赋予了它一定的声望。