什么是百度關(guān)鍵詞廣告

【專家解說(shuō)】：關(guān)鍵詞廣告，是付費(fèi)搜索引擎營(yíng)銷的一種形式，也可稱為搜索引擎廣告、付費(fèi)搜索引擎關(guān)鍵詞廣告等，自2002年之后是網(wǎng)絡(luò)廣告中市場(chǎng)增長(zhǎng)最快的網(wǎng)絡(luò)廣告模式。百度的關(guān)鍵詞廣告是最有影響力的付費(fèi)搜索引擎營(yíng)銷方法之一。 百度關(guān)鍵詞廣告的基本形式是：當(dāng)用戶利用某一關(guān)鍵詞進(jìn)行檢索，在檢索結(jié)果頁(yè)面會(huì)出現(xiàn)與該關(guān)鍵詞相關(guān)的廣告內(nèi)容。由于關(guān)鍵詞廣告具有較高的定位，其效果比一般網(wǎng)絡(luò)廣告形式要好，因而獲得快速發(fā)展 通常我們對(duì)于文本信息之間得相關(guān)性得計(jì)算都是采用向量的辦法，我在以前的PPT里曾經(jīng)提到過(guò)。然而對(duì)于文本信息更深層次的分析不能單純從字面上分析一篇文章的關(guān)鍵詞，更重要的是它隱含的擴(kuò)展的意義。 傳統(tǒng)的關(guān)于計(jì)算文本相關(guān)度和【網(wǎng)頁(yè)和查詢的相關(guān)性】的計(jì)算都是采用匹配的方式進(jìn)行的，然而這只能是基于字面意義上的統(tǒng)計(jì)計(jì)算。這里介紹的做法是采用關(guān)鍵詞相關(guān)性擴(kuò)展的做法從而得到更加精確的相關(guān)度計(jì)算。 例子： 文章A:談?wù)摰氖谴髮W(xué)教育，最高頻的關(guān)鍵詞是：學(xué)生[3]，學(xué)習(xí)[2]，大學(xué)[2] 文章B:談?wù)摰氖瞧胀ń逃罡哳l的關(guān)鍵詞是：教育[5]，教師[1]，進(jìn)修[1] []里是相對(duì)的權(quán)重，可以理解成TF*IDF 根據(jù)傳統(tǒng)的相關(guān)性計(jì)算，我們會(huì)得到如下的結(jié)果： 1.文章A與文章B不相關(guān) 2.查詢學(xué)生，學(xué)習(xí)，大學(xué)只能返回文章A，不能返回文章B 3.查詢教育，教師，進(jìn)修只能返回文章B，不能返回文章A 分析： 這個(gè)顯然是有一定的問題的，問題的出現(xiàn)在于我們通常將“字面”的意思做為分析的來(lái)源而且依靠和僅僅依靠這些“字面”的關(guān)鍵詞做為文章相關(guān)性和查詢相關(guān)性判斷的唯一要素。 如何避免？ 我在以前的文章中提到過(guò)【關(guān)鍵詞相關(guān)度】的概念，舉例說(shuō)明： 當(dāng)出現(xiàn)：｛學(xué)習(xí)｝這個(gè)詞匯的時(shí)候，真實(shí)的表達(dá)的意義往往是這樣的： ｛W1*學(xué)習(xí)，W2*教育，W3*教師，W4*大學(xué)。。。。。。｝ 其中W1，W2...是學(xué)習(xí)和相關(guān)詞匯的相關(guān)權(quán)重。 基于這樣一個(gè)矩陣，我們就能夠?qū)⒁粋€(gè)詞擴(kuò)展成為一組詞匯，因而也同時(shí)可以將文章所對(duì)應(yīng)的向量擴(kuò)展成一個(gè)更多詞匯的集合。 這里的計(jì)算需要一個(gè)完整的相關(guān)度矩陣:M M(i,j)={關(guān)鍵詞i,j的相關(guān)度} 而兩篇文章的相關(guān)度的計(jì)算，也由簡(jiǎn)單的 R=SigmaVi*Vi 變?yōu)?R=SigmaVi*M(i,j)*Vj 查詢關(guān)鍵詞和文章的相關(guān)度也由簡(jiǎn)單的 R(i)=TF(i)*IDF(i) 變?yōu)?R(i)=SigmaTF(j)*IDF(j)*M(i,j) 下面碰到一個(gè)核心問題就是：關(guān)鍵詞之間的相關(guān)度如何計(jì)算？ 例如：學(xué)校和學(xué)生的相關(guān)度是多少？ 計(jì)算方法： 假設(shè)一個(gè)文章集合{C}，總文章數(shù)目為N，其中含有單詞A的文章總數(shù)為Na，含有單詞B的文章總數(shù)是Nb，含有｛A+B｝的文章總數(shù)是Nab，那么相關(guān)性這么計(jì)算 CorrAB=Nab/(Na+Nb-Nab)-(Na*Nb)/(N*N) 本計(jì)算中可能會(huì)得到負(fù)相關(guān)，如果考慮到Na,Nb都是小量，可以忽略，那么 CorrAB=Nab/(Na+Nb-Nab) 至此，要計(jì)算相關(guān)度之間的全部要素都獲得了。 思考，那么到底學(xué)校和學(xué)生之間的相關(guān)度是多少呢？ 我們利用google來(lái)回答這個(gè)問題吧： 約有91,700,000項(xiàng)符合學(xué)校的查詢結(jié)果 約有88,200,000項(xiàng)符合學(xué)生的查詢結(jié)果 約有48,900,000項(xiàng)符合學(xué)生學(xué)校的查詢結(jié)果 Corr{學(xué)校，學(xué)生}＝48,900,000/(91,700,000+88,200,000-48,900,000)=0.37 這個(gè)原理我以前應(yīng)用在了計(jì)算【網(wǎng)頁(yè)信噪比】上，和網(wǎng)頁(yè)信噪比一起成為衡量一個(gè)網(wǎng)頁(yè)的關(guān)鍵詞的核心算法。 這也就是為什么6e的網(wǎng)頁(yè)信噪比能夠不依靠網(wǎng)頁(yè)上現(xiàn)有的關(guān)鍵詞而準(zhǔn)確的判斷網(wǎng)頁(yè)的分類和相關(guān)度，是因?yàn)槌薚F和IDF之外，我們能夠從已有的文本集合里學(xué)到更多的“知識(shí)”。 那么百度和google的相關(guān)度應(yīng)該不難計(jì)算了: 利用google計(jì)算得到：2,950,000/(61,800,000+6,370,000-2,950,000)=0.03 利用baidu計(jì)算得到：2,760,000/(21,700,000+12,200,000-2,760,000)=0.08 看來(lái)基本上相關(guān)度小于10%。