TF-IDF (term frequency–inverse document frequency) — статистическая мера того, насколько важно слово для конкретного документа внутри большей коллекции документов. Частота термина считает, как часто слово появляется в документе; обратная частота документа понижает вес слов, появляющихся во многих документах (частые слова несут мало различающей информации), и повышает вес слов, редких по коллекции, но присутствующих в этом документе.
Определение
TF-IDF (term frequency–inverse document frequency) — статистическая мера того, насколько важно слово для конкретного документа внутри большей коллекции документов. Частота термина считает, как часто слово появляется в документе; обратная частота документа понижает вес слов, появляющихся во многих документах (частые слова несут мало различающей информации), и повышает вес слов, редких по коллекции, но присутствующих в этом документе.
Высокий балл TF-IDF для термина на странице означает, что термин и заметен на странице, и отличителен относительно корпуса.
TF-IDF — классическая техника информационного поиска, предшествующая современному ранжированию, и она больше не является сама по себе тем, как ведущие поисковики ранжируют страницы — они используют намного более сложные языковые модели. Но TF-IDF и её потомки остаются полезны как линза анализа контента: сравнение TF-IDF-профиля страницы с профилями страниц, ранжирующихся сейчас по целевому запросу, показывает, какие тематически релевантные термины и понятия покрывают конкуренты, которых нет в черновике.
В контексте
На практике команды iGaming-аффилиатного контента используют инструменты в стиле TF-IDF для аудита тематического покрытия. Если десять страниц, ранжирующихся по «способы вывода онлайн-казино», все содержательно обсуждают время обработки, требования верификации, комиссии, минимальные и максимальные лимиты и конкретные названия методов, а черновик покрывает только названия методов и комиссии, инструмент выявляет пробел.
Результат — чек-лист понятий для проработки, а не список ключей для набивки — ценность в том, чтобы страница действительно покрывала тему так же тщательно, как текущие лучшие результаты.
Злоупотребление — относиться к TF-IDF-отчёту как к цели, которую надо взять: втискивать термины ради повышения балла, писать по шаблону частотности слов или переоптимизировать, пока текст не читается неестественно. Современные языковые модели выявляют неестественную плотность терминов и вознаграждают подлинную полноту и ясность, поэтому продуктивное использование TF-IDF-анализа — диагностическое: найти тематические пробелы, — после чего текст должен закрыть эти пробелы так, чтобы служить читателю, а статистика терминов позаботится о себе сама.
Разобранный пример
Автор пишет черновик гайда по способам вывода из казино. TF-IDF-сравнение с топ-10 ранжирующихся страниц показывает, что все они покрывают время обработки, проверку документов, периоды ожидания и отмену вывода, чего в черновике нет.
Автор добавляет содержательные разделы по каждому, и страница позже ранжируется в топ-5, потому что теперь полностью покрывает тему.
Связанные термины
Частые вопросы
Смотрите полный глоссарий iGaming и арбитража — сотни терминов EN/RU с примерами.
← Назад к глоссарию