F-IDF(词频-逆文档频率)算法是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。该算法在数据挖掘、文本处理和信息检索等领域得到了广泛的应用，如从一篇文章中找到它的关键词。
TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TF-IDF实际上就是 
TF*IDF，其中 TF(Term Frequency)，表示词条在文章Document 中出现的频率;IDF(Inverse Document 
Frequency)。
其主要思想就是，如果包含某个词 
Word的文档越少，则这个词的区分度就越大，也就是 IDF 越大。对于如何获取一篇文章的关键词，我们可以计算这边文章出现的所有名词的 
TF-IDF，TF-IDF越大，则说明这个名词对这篇文章的区分度就越高，取 TF-IDF 值较大的几个词，就可以当做这篇文章的关键词。
PageRank通过网络浩瀚的超链接关系来确定一个页面的等级。Google把从A页面到B页面的链接解释为A页面给B页面投票，Google根据投票来源(甚至来源的来源，即链接到A页面的页面)和投票目标的等级来决定新的等级。简单的说，一个高等级的页面可以使其他低等级页面的等级提升。
基于PageRank算法衍生出来的外链时代，那时候多浏览器多窗口同时运行，CtrlC加CtrlV无限循环，我们被亲切地称为CV工程师;而后黑马博客群发、虫虫营销助手，又如剑客手中的剑摄取着搜索引擎这个大流量池;当然还有大量的各式各样友情链接交换手法以及链轮手法。
以是我们，上海网站建设，公司整理关于科技的消息，我们提供百度优化，SEO优化，网站建设，关于这些方面的问题，欢迎咨询我们。
 本文由上海艺觉网络科技有限公司（http://www.zwzsh.net）原创编辑转载请注明