Extracteur de mots clés

Extrait les mots et les phrases les plus significatifs de tout texte de longue durée (article, blog post, transcription, description du produit). Cinq modes d'extraction : (1) Mots clés avec marquage à l'intention de la recherche, (2) sujets de haut niveau + thèmes, (3) entités nommées - personnes/endroits/organisations, (4) tags style de balise minuscule-hyphène-jointed, (5) termes de l'index académique. Résultats notés 0-100 par TF-IDF, fréquence brute, ou pertinence sémantique. Exporter comme CSV, TXT, ou JSON.

Oui - un article de 1 500 mots extrait en ~350 jetons sur le modèle par défaut Qwen 3 30B, confortablement à l'intérieur de la piscine quotidienne anonyme de 6 000 ou 30 000 inscrits. Pas d'inscription nécessaire pour votre première extraction.

Ces outils tirent des données de recherche en direct pour les mots-clés que vous leur donnez (99 $+/mo). Extracteur de mots clés fait le contraire - il extrait les mots-clés candidats de votre contenu et classifie leur intention de recherche. Workflow: utilisez ceci pour trouver les phrases que votre article souligne déjà, puis collez-les dans Ahrefs/Semrush pour vérifier le volume de recherche mensuel. Paire bien avec leurs scores gratuits de mots-clés-difficultés.

Trois modes de notation : (1) TF-IDF (par défaut) récompense les mots à la fois fréquents dans CE document ET rares en anglais général - le meilleur pour le référencement puisque ce sont les termes différenciants. (2) La fréquence brute compte les événements droit - le meilleur quand vous voulez voir ce que vous dites le plus. (3) La pertinence sémantique scores par proximité avec la thèse principale des documents même si une phrase apparaît une seule fois - le meilleur pour la cohérence d'actualité.

Un n-gram est une séquence contiguë de mots N. « changement climatique » est un 2-gram. « modèle d'intelligence artificielle » est un 3-gram. Toggle les puces pour extraire seulement 1-grams (un seul mot comme « photosynthèse »), 2-grams (une tête comme « empreinte carbone ») ou 3-grams (une longue queue comme « calculatrice d'empreinte carbone »).

Oui - la liste par défaut supprime "le", "et", "de", "est", etc. en 14 langues. Vous pouvez ajouter des mots stop personnalisés via le champ "Words to exclusion" - utile pour supprimer votre propre marque, codes de produit, ou plaque de chaudière légales qui autrement dominerait les résultats.

Google classe les requêtes par objectif utilisateur : informational (" what is X"), navigational ("nike official store"), commercial ("meilleurs chaussures de course 2026"), transactional ("achetez air max en ligne"). Extracteur de mots clés marque vos mots clés extraits avec l'intention probable de vous permettre de savoir si votre article devrait être classé pour les chercheurs, les acheteurs ou les recherches en trafic direct.

99 languages via the underlying Qwen 2.5 model. Highest quality on English, Spanish, French, Portuguese, German, Chinese, Japanese. Lower-resource languages work but 3-gram extraction may be less reliable - fall back to 1+2-grams for Arabic, Hindi, Turkish, etc.

Pour l'extraction en vrac, l'API /v1/chat/ dans un script Python - itérer sur votre exportation CMS, POST chaque corps d'article, dump le JSON. Auth, 1000 appels/heure sur des comptes gratuits, des limites plus élevées sur les pro. Docs à /api/.

RAKE et YAKE sont des algorithmes lexiques classiques - rapides mais faibles sur nuance sémantique (ils manquent "démarrage technologique" si le document dit "démarrage technologique" mais pas "tech" seul). KeyBERT utilise BERT embarque - meilleure qualité sémantique mais lente et nécessite une installation. TextRank est basé sur le graphe. Notre approche utilise un 7B-paramètre LLM qui fait tous les zéro-shot ci-dessus plus la classification recherche-intention - plus lent par appel mais zéro configuration, libre, et aucune ML ingénierie requise.

En mode fréquence et TF-IDF, oui - chaque mot clé est dérivé du texte source mot à mot ou avec un changement d'inflexion minimal. En mode sémantique-pertinence, le modèle peut retourner une version contrôlée-vocabulaire ("pulmonologie" même si votre texte dit "lung médecin visite"). Le mode académique-termes préfère intentionnellement vocabulaire contrôlé.

Oui - POST to /v1/chat/ with the meme system invite this page buildings (spectez la source du modèle pour l'invite exacte). Retourne JSON structuré. Bon pour les tableaux de bord de stratégie de contenu ou les plugins CMS.