Գործողություն

Ընտրեք ցանկացած երկար տեքստում (գրառում, բլոգի գրառում, տեքստը, արտադրանքի նկարագրությունը) ամենահիմնական բառերը և արտահայտությունները։ Հինգ ելքային ռեժիմներ. (1) SEO- ի տերմիններ որոնման նպատակով տեքստերի հետ, (2) բարձր մակարդակի թեմաներ + թեմաներ, (3) անուն ունեցող բովանդակություն - մարդիկ/ տեղեր/ կազմակերպություններ, (4) տեքստի մոդելի փոքր տառերով- կապույտով միացված տեքստերը, (5) գիտական ինդեքսային տերմիններ։ Արդյունքները գնահատվում են 0- 100 TF- IDF- ի, անմշակ հաճախականության կամ սիմետրիկ նշանակության համաձայն։ Արտահանել որպես CSV, TXT կամ JSON։

Այո - 1,500- բառից բաղկացած հոդվածը վերցվում է ~350 տոկոսով Qwen 3 30B մոդելի վրա, հարմարավետորեն 6,000 անանուն կամ 30,000 գրանցված օրական ջրամբարի մեջ: Ձեր առաջին վերցման համար գրանցում չի պահանջվում:

Այդ գործիքները ստանում են կենդանի որոնման-խմբագրման տվյալները ձեր տրված որոնման բառերի համար ($99+/month)։ Այս գործիքը հակառակն է անում՝ այն դուրս է բերում ձեր բովանդակությունից թեկնածու որոնման բառերը և դասակարգում է որոնման նպատակը։ Աշխատանքային հոսք: օգտագործեք այս գործիքը գտնելու համար, թե որ բառերը ձեր հոդվածը արդեն ընդգծում է, ապա կպցրեք դրանք Ahrefs/Semrush-ում ամսական որոնման բաշխման ստուգման համար։ Համադրվում է նրանց անվճար որոնման բառերի դժվարության գնահատականների հետ։

Երեք գնահատման ռեժիմներ: (1) TF- IDF (լռելյայն) պարգևատրում է այս փաստաթղթի մեջ հաճախ հանդիպող և ընդհանուր անգլերենում հազվադեպ հանդիպող բառերը - լավագույնը SEO- ի համար, քանի որ դրանք տարբերակիչ տերմիններ են: (2) Raw frequency հաշվում է բառերի հաճախականությունը ուղղակիորեն - լավագույնը, երբ ցանկանում եք տեսնել, թե ինչ եք ասում ամենաշատը: (3) Semantic relevance գնահատում է փաստաթղթի հիմնական թեզին մոտ լինելը, նույնիսկ եթե արտահայտությունը միայն մեկ անգամ է հանդիպում - լավագույնը թեմայի համընկնման համար:

N-գրամը N բառերի միասնական հաջորդականությունն է։ «կլիմայի փոփոխություն» բառը 2-գրամ է։ «արհեստական բանականության մոդել» բառը 3-գրամ է։ Դուք կարող եք փոխել ցուցակը՝ միայն 1-գրամ (միայն բառեր, ինչպես «ֆոտոսինթեզ» բառը), 2-գրամ (առաջին բառերը, ինչպես «ածխածնի հետք» բառը) կամ 3-գրամ (երկար տերմիններ, ինչպես «ածխածնի հետք հաշվիչ» բառը) դուրս բերելու համար։ Շատ SEO-ներ ցանկանում են 2+3-գրամ՝ միասնական բառերը շատ ընդհանուր են։

Այո - լրիվ ցուցակը հեռացնում է "the", "and", "of", "is" և այլն 14 լեզուներում: Դուք կարող եք ավելացնել ձեր սեփական stop բառերը "Առանցքային բառեր" դաշտում - օգտակար է ձեր սեփական բրենդի անունը, արտադրանքի կոդերը կամ օրինական բառերը, որոնք այլ կերպ կգերիշխեն արդյունքում:

Google- ը դասակարգում է հարցումները ըստ օգտագործողի նպատակի՝ տեղեկատվական («ինչ է X- ը»), նավարկման («nike պաշտոնական խանութ»), առևտրային («լավագույն ընթացիկ կոշիկները 2026»), գործարքային («air max- ը գնել օնլայն»)։ Ապրանքը նշում է ձեր արտահանված գաղտնաբառերը հավանական նպատակով, որպեսզի դուք իմանաք, թե արդյոք ձեր հոդվածը պետք է դասակարգվի հետազոտողների, գնորդների կամ ուղղակի երթևեկության որոնումների համար։ Կրկնակի կարևոր է բովանդակության SERP հատկությունների հետ համապատասխանեցման համար։

99 լեզուներ Qwen 2.5 մոդելի միջոցով: Ամենաբարձր որակը անգլերեն, իսպաներեն, ֆրանսերեն, պորտուգալերեն, գերմաներեն, չինարեն, Ճապոներեն։ Չափազանց ցածր ռեսուրսների լեզվերը աշխատում են, բայց 3-գրամային արտահանումը կարող է ավելի պասիվ լինել, արաբերենի, հնդերենի, թուրքերենի և այլն համար վերադարձեք 1+2-գրամային արտահանմանը։

UI-ն միաժամանակ մի քանի տեքստեր է ընթերցում։ Բազմաթիվ տեքստեր դուրս բերելու համար /v1/chat/ API-ն Python սկրիպտի մեջ է ներառվում՝ կրկնվում է CMS-ի արտահանման ընթացքում, POST-ում է յուրաքանչյուր հոդվածի մարմինը, JSON-ը ջնջվում է։ Բերողի հավաստագիր, 1000 զանգ/ժամ անվճար հաշիվների համար, ավելի բարձր սահմանափակումներ pro. Docs-ի համար /api/-ում։

RAKE և YAKE- ն ավանդական բառարանային ալգորիթմներ են, արագ, բայց սեմատիկ նուրբության առումով թույլ (դրանք բացակայում են «tech startup» -ից, եթե փաստաթղթում նշված է «technology startup», բայց ոչ «tech»- ը)։ KeyBERT- ն օգտագործում է BERT ներկառուցվածքներ՝ ավելի լավ սեմատիկ որակ, բայց դանդաղ և պահանջում է տեղադրում։ TextRank- ը հիմնված է գրաֆիկների վրա։ Մեր մոտեցումը օգտագործում է 7B- պարամետրի LLM, որը կատարում է վերը նշված բոլոր գործողությունները, ինչպես նաև որոնման նպատակով դասակարգում է՝ ավելի դանդաղ, բայց ոչ մի տեղադրում, անվճար և առանց ML ինժեներական պահանջների։

Հաճախականության և TF-IDF ռեժիմներում, այո - յուրաքանչյուր բառակապակցություն կարող է վերցվել աղբյուրի տեքստից կամ նվազագույն փոփոխությամբ։ Սիմետրիկ-պատասխանատու ռեժիմում մոդելը կարող է վերադարձնել վերահսկվող բառապաշար («pulmonology» նույնիսկ եթե ձեր տեքստում ասվում է «lung doctor visit»)։ Ակադեմիական-տերմինների ռեժիմում նպատակահարմար է վերահսկվող բառապաշարը։

Այո - POST /v1/chat/-ին նույն համակարգային հարցման հետ, որը ստեղծվել է այս էջում (նախապատրաստված աղբյուրը ստուգեք ճիշտ հարցման համար)։ Վերադարձնում է կառուցվածքային JSON-ը։ Լավ է բովանդակության ռազմավարության ցուցանակների կամ CMS հավելվածների համար։ Բերողի ավտատիրություն, ամսական սահմանափակումներ։ Դիտարկման համար /api/.