Gako-hitzen erauzketa

Edozein testu luzetik hitz eta esaldi esanguratsuenak ateratzen ditu (artikulua, blogeko mezua, transkribapena, produktuaren deskribapena). Bost erauzketa-modu: (1) SEO gako-hitzak bilaketa-asmoaren etiketarekin, (2) maila altuko gaiak + gaiak, (3) entitate izendatuak - pertsonak/lekuak/erakundeak, (4) etiketa-estiloko minuskula-koska-jositako etiketak, (5) indize akademikoko terminoak. Emaitzak 0-100 puntuaziorekin TF-IDF, maiztasun gordinarekin edo erlazio semantikoarekin. Esportatu CSV, TXT edo JSON gisa.

Bai - 1.500 hitzeko artikulu batek ~350 token erauzten ditu Qwen 3 30B modelo lehenetsian, eroso 6.000 anonimoaren edo 30.000 harpidedunen eguneroko pool-aren barruan. Ez da harpidetzarik behar lehen erauzketarako.

Tresna horiek ematen dizkieten gako-hitzen bilaketa-bolumenaren datuak jasotzen 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 nabarmentzen dituen esaldi horiek aurkitzeko, eta gero Ahrefs / Semrush-en itsatsi horiek hileko bilaketa-bolumena egiaztatzeko. Oso ondo parekatzen da haien hitz-zailtasun puntuazio dohainik.

Hiru puntuazio modu: (1) TF- IDF (lehenetsia) dokumentu honetan ohikoa den hitza eta ingeles orokorrean arraroa den hitza saritzen ditu - SEOrako onena, termino horiek bereizten baitituzte. (2) Maiztasun gordinak agerraldiak zuzenean zenbatzen ditu - onena gehien esaten duzuna ikusi nahi duzunean. (3) Erlazio semantikoa dokumentuaren tesi nagusiarekiko hurbiltasunaren arabera puntuatzen du, esaldi bat behin bakarrik agertzen bada ere - gaiaren kohesiorako onena.

N-gram bat N hitzen sekuentzia bat da. "klima-aldaketa" 2-gramoa da. "adimen artifizialeko modeloa" 3-gramoa da. Txandakatu txipak 1-gramoak soilik ateratzeko (hitz bakar bat, "fotosintesia" bezala), 2-gramoak (buruko esaldia, "karbono-aztarna" bezala), edo 3-gramoak (ipurdia luzea, "karbono-aztarna kalkulagailua" bezala). SEO lan-fluxu gehienek 2+3-gramoak nahi dituzte - hitz bakar bat generikoa da gehiegi.

Bai - gelditze-zerrenda lehenetsiak "the", "and", "of", "is", etab. kentzen ditu 14 hizkuntzatan. "Kanporatzeko hitzak" eremuan gelditze-hitz pertsonalizatuak gehitu ditzakezu - erabilgarria zure marka-izena, produktu-kodeak edo emaitzetan nagusituko liratekeen legalezko hitz arruntak ezabatzeko.

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

99 hizkuntza Qwen 2.5 modeloaren bidez. Kalitaterik handiena ingelesez, espainolez, frantsesez, portugesez, alemanez, txinera eta japonieraz. Baliabide gutxiagoko hizkuntzak funtzionatzen dute, baina 3-gramo erauzketa ez da hain fidagarria - itzuli 1+2-gramoetara 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 orduko kontu libreetan, muga handiagoak pro. Docs-en /api/-en.

RAKE eta YAKE algoritmo lexikal klasikoak dira, azkarrak baina ñabardura semantikoan ahulak (dokumentuak "teknologia abiaraztea" esaten badu, "tech" bakarrik ez bada, "tech" falta zaie). KeyBERT-ek BERT-en barneratzeak erabiltzen ditu - kalitate semantiko hobea, baina motela eta instalazioa behar du. TextRank grafikoetan oinarritzen da. Gure hurbilketa 7B-parametroko LLM bat erabiltzen du, goiko zero-shot guztiak eta bilaketa-asmoaren sailkapena egiten dituena - dei bakoitzeko motelagoa, baina konfiguraziorik gabea, doakoa eta ez du ML ingeniaritzarik behar.

Maiztasun eta TF-IDF moduetan, bai - iturburuko testutik hitzez hitz edo flekazio aldaketa minimoarekin eratorri daitezke gako-hitz guztiak. Erlazio semantiko moduan, ereduak kontrolatutako hiztegiko bertsio bat itzul dezake ("pulmonologia", testuak "biriketako medikuaren bisita" esaten badu ere). Termino akademikoen moduak kontrolatutako hiztegia nahiago du.

Bai - POST /v1/chat/-era orri honek eraikitako sistema-agindu berarekin (ikus ezazu txantiloiaren iturburua agindu zehatzaren bila). JSON egituratua itzultzen du. Eduki-estrategia-paneletarako edo CMS pluginetarako ona. Erabiltzailearen autentifikazioa, hileko muga. Dokumentazioa /api/-n.