停用词也是百度众多排名算法中的一种。为题提升索引的速度和节省储存空间百度爬虫就会过滤掉一些意义不大的词。也就是被爬虫停用到这些词,我们称被爬虫停掉的词称为停用词,英文叫stopword。
一、百度停用词类型
百度停用的词基本上都是没有实际意义的一些虚词,这些词只有在句子里才能起到作用,像平时用的“之”“着”“的”等。
下面再举个例子来说明什么是停用词,像“IT技术点评”,虽然其中的“IT”本来的意思是指是指“Information Technology”,很多人也都习惯这样的缩写,但对搜索引擎来说,此“IT”不过是“it”,即“它”的意思,这在英文中是一个经常会出现的、同时意思又比较多的词,所以基本上都会被停用。我们在IT技术点评中保留“IT”更多地面向“人”而非搜索引擎,以求用户能明了IT技术点评网站涉及的内容限于信息技术,虽然从SEO的角度这未必是最佳的处理方式。
二、为什么要有停用词
搜索引擎的文本的检索量非常大,语气助词占了很大一部分,这些词可以说是没什么意义,像:哎,哎哟,别的,结果,让,不过,等等。
为什么选择这些词作为停用词呢?原因如下:
· 这些功能词极其普遍。这些词会在每一个文档中都占用比较大的磁盘空间。
· 由于它们的普遍性和功能,这些词很少单独表达文档相关程度的信息。如果在检索过程中考虑每一个词而不是短语,这样的词基本上就没有什么用。
三、编辑人员要注意使用停用词
· 编辑人员要对这些停用词很熟悉,停用词是不能出现在文章标题里的,这样能起到凸显被优化关键词的作用。
· 编辑文章时,尽量少用的停用词可以提高页面的关键词密度。
点击下载:百度中文停用词列表