JavaEye新版最严重的bug！

是不是要加偶50分来着？ 10 楼 robbin 2008-01-03 相关文章的算法叫做：ＴＦ／ＩＤＦ（term frequency/inverse document frequency) ，关于这个算法，可以看看这篇科普：

http://googlechinablog.com/2006/06/blog-post_27.html

之所以你觉得相关性不准确，原因在于：

1、你发的这篇主题贴内容太短，TF/IDF算法难以准确提取主题词汇，不知道你的中心思想在哪里，写的越长的文章，写的越好的文章，运算准确度越高

2、技术文章的主题词汇高度集中，而且整个论坛帖子的样本量很大，所以技术贴的相关文章就准确的多，而你发的灌水贴，主题词汇太分散，样本量也不够，不准确是很正常的。

11 楼 lordhong 2008-01-03 robbin大侠登场鸟～～～。。。那如果我写了很多技术术语的keywords在里面，比如一直重复j2ee，spring，hibernate，j2ee，spring，hibernate，j2ee，spring，hibernate，j2ee，spring，hibernate，那是不是能fool这个算法？ 12 楼 lordhong 2008-01-03 忘记说了，新年快乐啊，新版很不错！ 13 楼 robbin 2008-01-03 lordhong 写道robbin大侠登场鸟～～～。。。那如果我写了很多技术术语的keywords在里面，比如一直重复j2ee，spring，hibernate，j2ee，spring，hibernate，j2ee，spring，hibernate，j2ee，spring，hibernate，那是不是能fool这个算法？

你还没有看过那篇科普，帖子中的关键词密度算法并不是越高越好，因为它虽然是TF的因子，同时也是IDF公式的指数运算的分母，过高的关键词密度就会导致这个关键词分数指数级下降。

BTW：真要较真，其实Google也很容易fool，否则哪来那么多SEO公司和点击欺诈官司呢？


14 楼 lordhong 2008-01-03 多谢robbin指教！