Gako-hitzen erauzketa

Edozein testu luzetatik hitz eta esaldi esanguratsuenak ateratzen ditu (artikulua, blogeko mezua, transkribapena, produktuaren deskribapena). Bost erauzketa-modu: (1) SEO gako-hitzak bilaketa-asmoaren etiketekin, (2) maila altuko gaiak + gaiak, (3) entitate izendatuak — pertsonak/lekuak/erakundeak, (4) etiketa-estiloko minuskula-komaz loturiko etiketak, (5) indize akademikoko terminoak. Emaitzak 0-100 punturekin puntuatzen dira TF-IDF, maiztasun gordinaren edo erlatibitate semantikoaren arabera. Esportatu CSV, TXT edo JSON gisa.

Bai — 1.500 hitzeko artikulu batek ~350 token erauzten ditu Qwen 2.5 7B modelo lehenetsian, eroso 2.500 anonimo edo 10.000 harpidedun eguneko pool-aren barruan. Ez da harpidetzarik behar lehen erauzketarako.

Tresna horiek ematen dizkien gako-hitzen bilaketa-bolumenaren datuak ateratzen dituzte ($ 99 + / hilean). Tresna honek alderantziz egiten du - zure edukitik gako-hitz hautagaiak ateratzen ditu eta bilaketa-asmoa sailkatzen du. Lan-fluxua: erabili hau zure artikuluak dagoeneko azpimarratzen dituen esaldi guztiak aurkitzeko, eta gero Ahrefs / Semrush-en itsatsi horiek hileko bilaketa-bolumena egiaztatzeko. Oso ondo parekatzen da haien hitz-hitzen zailtasun puntuazio dohainikekin.

Hiru puntuazio modu daude: (1) TF-IDF (lehenetsia) dokumentu honetan ohiko diren hitzak eta ingeles orokorrean arraroak diren hitzak saritzen ditu — hoberena SEOrako, hauek baitira termino bereizgarriak. (2) Maiztasun gordinak agerraldiak zuzenean zenbatzen ditu — hoberena gehien esaten duzuna ikusi nahi duzunean. (3) Erlatibitate semantikoak dokumentuaren tesi nagusitik gertutasunaren arabera puntuatzen du, esaldi bat behin bakarrik agertzen bada ere — hoberena gaiaren koherentziarako.

N-gramo bat N hitzen sekuentzia bat da. "klima aldaketa" 2-gramo bat da. "adimen artifizialeko eredua" 3-gramo bat da. Txandakatu txipak 1-gramoak soilik ateratzeko (hitz bakar bat, "fotosintesia" bezala), 2-gramoak (buruko esaldiak, "karbono-aztarna" bezala), edo 3-gramoak (ipurdia luzea, "karbono-aztarna kalkulagailua" bezala). SEO lan-fluxu gehienek 2+3-gramoak nahi dituzte — hitz bakar batzuk generikoegiak dira.

Bai — gelditze-zerrenda lehenetsiak "the", "and", "of", "is", etab. kentzen ditu 14 hizkuntzatan. "Ez sartzeko hitzak" eremuaren bidez gelditze-hitz pertsonalizatuak gehitu ditzakezu — erabilgarria zure marka-izena, produktu-kodeak edo emaitzetan nagusituko liratekeen lege-hizkuntza estandarrak ezabatzeko.

Google-k kontsultak erabiltzailearen helburuaren arabera sailkatzen ditu: informaziokoak ("zer da X"), nabigaziokoak ("nike denda ofiziala"), komertzialak ("2026ko korrikalarientzako oinetako onenak"), transakziokoak ("air max online erosi"). Tresnak erauzitako gako-hitzak etiketatzen ditu, balizko asmoarekin, artikulua ikertzaileentzat, erosleentzat edo zuzeneko trafikoa bilatzeko bilaketa-ordenan kokatu behar den jakiteko. Funtsezkoa da edukia SERP-ren ezaugarriekin lerrokatzeko.

99 hizkuntza Qwen 2.5 modeloaren bidez. Kalitaterik handiena ingelesez, gaztelaniaz, frantsesez, portugesez, alemanez, txinera eta japonieraz. Baliabide gutxiagoko hizkuntzak funtzionatzen dute, baina 3-gramo erauzketa ez da hain fidagarria izango — itzuli 1+2-gramora arabiera, hindi, turkiera, etab.

UIak testu bat exekutatzen du aldi bakoitzean. Multzo-erauzketarako, /v1/chat/ APIa Python script batean konektatu - CMS esportazioan zehar iteratu, artikulu bakoitzaren gorputza POST egin, JSON. Bearer autentifikazioa bota, 1.000 dei/ordu kontu libreetan, muga handiagoak pro. Docs-en /api/-en.

RAKE eta YAKE algoritmo lexikal klasikoak dira, azkarrak baina ahulak ñabardura semantikoan ("tech startup" falta zaie dokumentuak "technology startup" esaten badu, baina "tech" bakarrik ez). KeyBERT-ek BERT kapsulazioak erabiltzen ditu, kalitate semantiko hobea, baina motela eta instalazioa behar du. TextRank grafikoetan oinarritzen da. Gure metodoak 7B parametroko LLM bat erabiltzen du, goiko zero-shot guztiak egiten dituena, bilaketa-asmoaren sailkapenaz gain - deia bakoitzeko motelagoa, baina konfiguraziorik gabea, doakoa eta ML ingeniaritzarik behar ez duena.

Maiztasun eta TF-IDF moduetan, bai — gako-hitz bakoitza iturburuko testutik eratorri daiteke hitzez hitz edo inflexio-aldaketa minimo batekin. Erlazio semantikoko moduan, ereduak hiztegi-kontrolatutako bertsio bat itzul dezake ("pulmonologia", testuak "biriketako medikuaren bisita" esaten badu ere). Termino akademikoen moduak nahiago du hiztegi-kontrolatua.

Bai — POST /v1/chat/-era orri honek eraikitzen duen sistema-instrukzio berarekin (ikus ezazu txantiloiaren iturburua instrukzio zehatza lortzeko). JSON egituratua itzultzen du. Eduki-estrategia-paneletarako edo CMS pluginetarako ona. Erabiltzailearen autentifikazioa, hileko mugak. Dokumentazioa /api/-n.