熱門關鍵字改進搜尋引擎排名的優化策略
Optimization Strategies of Improving Search
Engine Ranking Use Top Keywords
研究生：林建良 (Chien-Liang Lin)
指導教授：廖文華 (Prof. Wen-Hwa Liao)
大同大學
資訊經營研究所
碩士論文
Thesis for Master of Business Administration
Department of Information Management
Tatung University
中華民國一零七年七月
July 2018
i
謝誌
在資經所這些年的學習過程，隨著論文的付梓，即將劃上句點，這
段時間以來的點點滴滴，有回憶，有不捨；回憶之情將在我的懷中日漸
晶瑩光耀，不捨之心將使我的人生成就勇氣。
本論文能順利完成，幸蒙指導教授指導與教誨，對於研究的方向、
觀念的啟迪、架構的匡正、資料的提供與求學的態度逐一斧正與細細關
懷，於此獻上最深的敬意與謝意。在研究所修業期間，感謝諸位 老師在
課業知識的傳授。同窗伙伴多年來的切磋討論與鼓勵。
最後，特將本文獻給我最敬愛的母親，感謝您無怨無悔的養育與無
時無刻的關懷照顧，讓我能專注於課業研究中，願以此與家人共享。
林建良 謹識
大同大學資訊經營學系碩士班
中華民國一零七年七月二十三日
ii
摘要
大部分的企業都有其官網，尤其利用網站營運的官網更為重要，獲取優質的客
戶流量是相當重要的，因為那些流量相對應就是潛在現金流其實不一定，而想要那
優質的流量就有賴 SEO(search engine optimization)，新成立的網站除非花錢買版面或
Google 廣告，否則永遠很難使消費者看到往往需要長時間的累積才能進入 SERP 排
名之中，這對沒有多餘廣告預算得中小企業來說是比較不利的競爭條件。使用網路
搜尋引擎的用戶，最主要是想利用搜尋引擎來找到他們心目中想要的資訊，本論文
使用自然語言處理的方式取出有別於主要關鍵字的次要熱門關鍵字後利用次要關鍵
字帶動主要目標網站的方式來提升目標網站的 SERP 排名策略。
此提升目標網站 SERP 排名之策略經由我們二階段實驗證明此改進策略確實有
效，能夠讓已經具備最佳化內容與結構的網站在 SERP 中的排名，優於其他同樣具
有最佳化內容與結構的網站。
關鍵詞：
搜尋引擎優化、網頁排名、搜尋引擎結果頁面、自然語言處理
iii
ABSTRACT
Most companies have their official website, especially it an important that uses the
website to operate. It is more important to obtain good customer traffic, because the
corresponding traffic is not only necessarily the potential benefit, but the quality traffic is
Thanks to SEO (search engine optimization), newly established websites will never be
able to make consumers see unless they spend money on buying layouts or Google ads. It
often takes a long time to accumulate in order to enter the SERP rankings. For SMEs, it is
a relatively unfavorable competitive condition. Users who use web search engines mainly
want to use search engines to find the information they want. This paper uses natural
language processing to take secondary hot keywords that are different from the main
keywords. The way the keyword drives the main target site to improve the SERP ranking
strategy of the target site.
This strategy to improve the target site's SERP rankings demonstrates through our
two-stage experiment that this improvement strategy is effective, enabling sites that
already have optimized content and structure to rank better in the SERP than other equally
optimized content and structures website.
Keywords:
Search engine optimization, page rank, search engine results pages, natural language
processing
iv
目錄
謝誌 ........................................................................................................................... I
中文摘要 ....................................................................................................................... III
英文摘要 ......................................................................................................................... V
第一章 簡介........................................................................................................................ 1
第二章 文獻探討................................................................................................................ 8
第三章 搜尋引擎優化策略.............................................................................................. 19
第四章 實驗與結果分析.................................................................................................. 30
第五章 結論...................................................................................................................... 47
參考文獻… ........................................................................................................................ 49
v
圖目錄
圖 1. 1 SEO 及 SERP 之間的關係 .................................................................................... 2
圖 1. 2 Google 搜尋引擎頁面架構..................................................................................... 3
圖 1. 3 關鍵字廣告及 SEO 位置....................................................................................... 4
圖 1. 4 搜尋引擎市場年度佔有率 .................................................................................... 5
圖 2. 1 搜尋引擎最佳化成功關鍵因素 ............................................................................ 8
圖 2. 2 Page Rank 節點示意 ............................................................................................ 14
圖 2. 3 找出黑色關鍵字架構圖....................................................................................... 17
圖 2. 4 SEO C4.5 演算法策略 ......................................................................................... 17
圖 3. 1 搜尋引擎優化策略架構示意圖 .......................................................................... 19
圖 3. 2 Spring boot 架構 .................................................................................................. 21
圖 3. 3 Spring boot 資料存取物件類別圖 ..................................................................... 21
圖 3. 4 系統架構圖........................................................................................................... 22
圖 3. 5 NLP 模組 ............................................................................................................... 22
圖 3. 6 自動摘要流程圖................................................................................................... 24
圖 3. 7 資料庫關連圖....................................................................................................... 24
圖 3. 8 熱門關鍵字的關鍵詞優化演算法 ...................................................................... 25
圖 3. 9 文章內重要的詞.................................................................................................... 26
圖 3. 10 關鍵字對應 URL ............................................................................................... 28
圖 3. 11 網頁內容解析 ..................................................................................................... 28
圖 3. 12 候選熱門關鍵字................................................................................................. 28
圖 3. 13 加權重關鍵字..................................................................................................... 29
vi
圖 4. 1 Type1 實驗網站 .................................................................................................... 31
圖 4. 2 Type2 實驗網站 .................................................................................................... 32
圖 4. 3 Type3 實驗網站 .................................................................................................... 32
圖 4. 4 Google 搜尋引擎關鍵字內容............................................................................... 33
圖 4. 5 關鍵字【ICIM 2018】的 SERP 排名趨勢圖.................................................... 34
圖 4. 6 關鍵字【ICIM 2018】在 SERP 的首頁截圖.................................................... 35
圖 4. 7 關鍵字【ICIM 2018 資管】的 SERP 排名趨勢圖 .......................................... 36
圖 4. 8 關鍵字【ICIM 2018 資管】在 SERP 的首頁截圖 .......................................... 37
圖 4. 9 關鍵字【ICIM 2018 研討會】的 SERP 排名趨勢圖 ..................................... 38
圖 4. 10 關鍵字【ICIM 2018 研討會】在 SERP 的首頁截圖 ................................... 39
圖 4. 11 對照組【ICIM 2018】在 SERP 的首頁截圖 .................................................. 40
圖 4. 12 達人出租真實網站架構..................................................................................... 41
圖 4. 13 達人出租網站首面............................................................................................. 42
圖 4. 14 達人出租網站關鍵字為【出租女友】SERP 為第 4 頁 ................................. 43
圖 4. 15 達人出租網站關鍵字為【出租女友】SERP 為第 3 頁 ................................. 44
圖 4. 16 達人出租網站關鍵字為【出租男友】SERP 為第 9 頁 ................................. 45
圖 4. 17 達人出租網站關鍵字為【出租男友】SERP 為第 6 頁 ................................. 46
vii
表目錄
表 1. 1 關鍵字廣告及 SEO 差異比較............................................................................... 4
表 2. 1 SEO 的關鍵因素................................................................................................... 12
表 2. 2 SEO 公式及其意義............................................................................................... 13
表 2. 3 SEO 相關技術優點及限制 .................................................................................. 15
1
第一章
簡介
企業的官方網站想要使業績成長，其核心在於吸引富有潛力消費者並為他們提
供他們正在尋找及想要的產品或服務。所以官方網站頁面應始終保持最新狀態並且
要經常性地更新，讓搜尋引擎正確地認知官方網站的屬性以利讓消費者正確又快速
地找到該企業網站，若因為網站沒有正確更新或用詞錯誤反而將會造成負面效果。
為了避免這種情況，有必須使用經過優化的網頁使讓對的消費者客戶找到他所期待
的網站。所以正確地使用關鍵字及針對企業官網頁面採取符合不同使用者的喜好更
形重要[1]。尤其是希望藉由網路行銷來成為領導市場品牌的商品及服務的廠商都希
望透過這些通路來吸引更多潛在的消費者，例如而如谷歌和 Bing 等搜尋引擎已經成
為主要搜尋引擎平台。主要因為搜尋引擎結果直接顯示在用戶端裝置上且查詢後所
呈現對消費者立即的回應，其中提供了精確消費者行為資訊，也藉此的機會來吸引
消費者的興趣。搜尋引擎於 2012 年收益己超過 160 億美元（佔線上廣告總數的 46
％），表示各企業競相使用關鍵字廣告，使用關鍵字廣告(pay-per-click, PPC) 來增加
企業曝光與產品銷售，就是一個證明[2]。
各企業為了使自己的官方網站能很快被消費者看到，所以其官網在搜尋引擎上
的排名更形重要，而搜尋引擎結果頁面 (Search engine results page, SERP)就是此成效
的展現，搜尋引擎結果頁面都包含許多可點擊的鏈接，這些鏈接通常包含預覽網頁
文章摘要以建立網頁與搜尋的相關性。SERP 排名有考慮近 200 多個因素的複雜演演
算法[3]。如果要網頁保證在 SERP 列表中的排名很前面也就是表示它是很多使用者
關注的頁面。如果企業或組織支付廣告費用，則就會享有排名很前面的位置且在很
2
顯眼的位置。顯然地，SERP 中的高排名可以大大提高企業及組織的知名度。在第一
個 SERP 中獲得一個高的排名不僅可以提高銷售額，還有助於目標用戶的信任度，
如此可以帶來更好的企業品牌及產品發展。為了實現較高的 SERP 排名，網站優化
管理員可使用各種方式來實作優化，統稱為 SEO(Search engine optimization) [2]與
SERP 之間的關係如圖 1. 1 SEO 及 SERP 之間的關係及圖 1. 3 關鍵字廣告及 SEO 位
置，而之間的差異如表 1. 1 關鍵字廣告及 SEO 差異比較。然而搜尋引擎優化應該專
注於客戶的參與，而不是只是著重所謂 SERP 的排名[3]。所有技術或行銷策略等等
都只是一種工具，其主要的目前是要能滿足客戶的所要的，這才是企業經營的主軸。
圖 1. 1 SEO 及 SERP 之間的關係
3
圖 1. 2 Google 搜尋引擎頁面架構
4
以 Google 為例其 SERP 頁面架構如下(1)搜尋文字輸入(2)Google 搜尋分類，如
全部、地圖、新聞、圖片、影片、書籍、財經等(3)搜尋結果資訊，包括結果項目數
量及搜尋時間接(4) 關鍵字廣告(5)搜尋結果(6)相關搜尋(7)分頁頁次等資訊，如圖 1.
2 Google 搜尋引擎頁面架構。[4]
圖 1. 3 關鍵字廣告及 SEO 位置
表 1. 1 關鍵字廣告及 SEO 差異比較
關鍵字廣告(PPC) 搜尋引擎最佳化(SEO)
關鍵字廣告是適合短期活動操作。 SEO 是屬於長期的操作。
購買關鍵字廣告之後可以立即看到指
定網頁及搜尋引擎排名位置，也會立即有
流量效果。
長期購買關鍵字廣告花費是相當驚人
的，而且一旦停止關鍵字廣告就馬上失去
效果。
短期內很難有排名位置，但一旦操
作成功，長期可以導入可觀的效益。
SEO 與關鍵字廣告是兩個可以互補
的行銷方式。
5
Google 搜尋引擎入口網站提供了上數十億頁的入口點，其市場的佔有率也達
90%[5][6]。也如圖 1. 4 搜尋引擎市場年度佔有率於 2017 年 6 月到 2018 年 6 月，一
年間的統計。提高排名的網頁通常對人們而言有較高的知名度，所以提高 SERP 排
名已成為網站管理員及行銷人員的首要任務。事實上，SEO 已經成為企業提高其客
戶排名的一項重要業務。 儘管如此，搜尋引擎公司自然不願透露他們的內部機制，
所以也缺乏驗證 SEO 方法的方法，這引發了市場上眾多關於排名演演算法的神話和
謬誤[4]。
圖 1. 4 搜尋引擎市場年度佔有率
根據來自搜尋引擎的關鍵字研究其數據相關術語、經常用法和各種短語組合、
最近熱門使用頻率等。已知關鍵字可分為以下幾類：頭部，正文和長尾字詞等。換
言之長尾搜尋引擎優化提供了一個線上廣告商瞄準新利基市場的機會。而不是只有
傳統的搜尋引擎優化，只針對單個關鍵字或更短的關鍵字短語等，長尾 SEO 的目標
6
是利用更長和更多相關範圍內特定的關鍵字，利用次要關鍵字帶出主要關鍵字的目
標網站，並改進抓取得範圍[7][8][9]。
本論文以2階段實驗來驗證本策略的可行性第一階段以最熱門的架站WordPress
設立三個基本優化條件一樣的實驗網站，第二階段選擇以真實運作的商業網站為進
階實驗。第一階段，選擇以【ICIM 2018】、 【ICIM 2018 資管】、【ICIM 2018 研討
會】等做為三個實驗性質網站的主要搜尋熱門關鍵字的關鍵詞，約第六週採用本論
文的方法前進到第三頁。而第二階段的真實網站使用【出租男友】及【出租女友】
這關鍵字去搜尋以次要熱門關鍵字再帶動主要關鍵字分別前進到第 6 頁及第 2 頁。
一般 SEO 其經營者知道網站要使用的關鍵字，所以會定義出網站主題有關的關
鍵字，然而當兩個同性質且都有做基礎的網站優化的網站下，同樣的關鍵字其排名
會如何呢? 所以我們提出以次要關鍵字帶動主要目標網站以提升網站排名的策略，
而其次要的關鍵字如何產生呢，就是由本篇論文所提出來的方式，當大家在搜尋這
些 熱門次要以目標網站來說這些是次要關鍵字但對消費者來說並不是次要因為消
費者會下這個字有兩層意思：(1)消費者可能只想到這個字，因為他不知要使用關鍵
字來搜尋。(2)消費者下的字並非我們目標網站主要關鍵字，但卻是相關的字，例如:
消費者下【中古車】 ，然但我們是主打【中古吉普車】，所以我們的主要關鍵字為
【中古吉普車】。 換言之，消費者考慮買車時其實並不限於是轎車或吉普車，但可
因為其次要關鍵字帶入消費者流量而增加我們SEO排名與可能的潛在銷售客戶溝通
這樣就已經達到 SEO 的目的了。
7
以第二階實驗為例，我們主打【出租男友】與【出租女友】再加入【男女聯誼】、
【婚配】等次要關鍵字，使我們的排名增加。
此論文的主要貢獻為以既有搜尋引擎優化策略的測試環境，使用我們提出的搜
尋引擎優化策略，建置一個系統以文字探勘的方式使用取出熱門關鍵字及自動摘要
的文章進行優化方式連結到目標網站，並經實驗網站證明此改進策略，在搜尋結果
頁面中的排名，優於沒有具備最佳化內容與結構的網站，在實驗上設置三個實驗網
站，包含對照組與實驗組，以驗證本論文實踐之可行性及應用於正式的真實網站加
以進一步的驗證其有效性。
第二章為文獻探討為探討搜尋引擎優化各個文獻。第三章為我們提出的方法使
用傳遞熱門關鍵字優化策略，使用斷詞後取出熱門關鍵字及自動摘要的文章，進行
優化方式連結到目標網站，獲得提升 SERP 排名之策略擬定，第四章為實驗與結果
分析，最後一章為結論與建議。
8
第二章
文獻探討
企業在要將其所規劃的網站發佈於網際網路時，必須考慮到目標用戶在使用搜
尋引擎時能否很快的看到所建置的企業網站。所以一些問題必須是在開始網站設計
之前必須考量到：除了採取有效的方式使我們的所建置的網站能吸引用戶的注意力
外，也要使我的網站能因而被搜尋引擎青睞而使我們的排名往前。而不是只是只專
注於網站的建置而己。而其架構如圖 2. 1 搜尋引擎最佳化成功關鍵因素所示，企業
需要對其每個關鍵因素的環節去仔細審視才有機會使我們的網站在搜尋引擎中排名
持續地往前以達企業行銷的目的[10][11]。
圖 2. 1 搜尋引擎最佳化成功關鍵因素
9
企業想要使其網站讓其目標用戶於搜尋引擎中後快的看到我們所發佈的網站
必須要使其 SERP 的排名增加，然而想要使其排名增加必須考量兩個層面，一為長
期時間的經營以及如何降低網站的經營成本。於長期時間經營部分， SEO 是屬於長
期行銷的一種工具，因為無法預知搜尋引擎抓蟲會何時到達網頁及每天的排名位置
在哪裡，所以必須持續且長期的進行及監控，也需持之以恆的操作，才會看到效果。
另一則為降低網站的經營成本，因為企業為因為行銷策略的考量會採取一些短期促
銷的方式如週年慶之類的方式，這類需要用更快的方式才能增加曝光度，所以還有
另一種方式經由搜尋引擎以贊助或付費結果的形式來操作，其中廣告被顯示在搜尋
結果頁面的預先指定的區域以及網絡搜尋的結果。 搜尋引擎收取與相關關鍵字價格
以及相關的安裝費用，這些費用主要由關鍵字決定，並按照每次點擊費用(Pay Per
Click, PPC)計算，以及廣告收到的點擊次數。這種服務也被稱為按點擊付費廣告服
務[12]，而以上的方式應要多付多額外的費用，其比較如所以其成本需與 SEO 的方
式相輔相成才能形成最佳的配置才能效益極大化。為了提高客戶網站在搜尋引擎自
然搜尋結果中的排名，企業網站必須不斷測試並獲得搜尋引擎的排名，以利客戶能
方便找到官網以便為客戶提供足夠好的服務。
10
表 3. 1 關鍵字廣告與搜尋引擎最佳化的差異
關鍵字廣告 搜尋引擎最佳化
關鍵字廣告是適合短期活動操作 SEO 是屬於長期的操作
購買關鍵字廣告之後可以立即看到指定
網頁及搜尋引擎排名位置，也會立即有
流量效果
短期內很難有排名位置，但一旦操作成
功，長期可以導入可觀的效益。
長期購買關鍵字廣告花費是相當驚人
的，而且一旦停止關鍵字廣告就馬上失
去效果。
SEO 與關鍵字廣告是兩個可以互補的行
銷方式。
黑帽SEO被定義為使用欺騙的方式使其搜尋引擎的搜尋結果中排名更高且可在
短期內獲得結果。以下是實現這些技術的幾種方法：將關鍵詞填入內容：使用大量
的關鍵字於內容中可能會實現短期收益。鏈接農場：購買鏈接永遠不會有成效，因
為搜尋引擎將會知道這些方式。隱藏真實內容：是一種呈現頁面的機制，只有搜尋
引擎可見，但此網站的用戶則無法看到。白帽 SEO 與黑帽 SEO 相反，並專注於使
用最佳策略，以幫助您的網站在搜尋結果中排名更高。 通常它意味著堅持根據搜尋
引擎提供的指導方針和遵守規則[13]。如果正確應用白帽 SEO，SEO 將提高搜尋引
擎的效率; 但是如果被過度使用，比如黑帽方式的排名操縱，就會降低在 SERP 上被
找到的機率與排名在後面或根本進不去排名的黑名單問題。然隨著網際網路及搜尋
引擎的出現更優化技術隨著網路興起各式各樣新興網站不斷地出現也造就了各種黑
帽與白帽方式，而我們論文使用的方式是基於白帽的方式。SEO 優化是一門結合科
學與行銷加以洞察其相關的成功因素也是一門藝術，而這成功的因素包括了許多的
因素。而網站排名基本上由三個區塊因素所組成：網站設計師和程式設計師、SEO 闡
11
述內容者和使用者。這些三個在今天的網際網路時代發揮著重要的作用[1]。搜尋引
擎的一個重要機制是要通過各種技術來實現用戶互動以期增加到特定的網站以提高
搜尋引擎的功用及可用性[2][14]。
儘管影響搜尋排名的困素很多，但主要因素包括網頁相關性，鏈接權重以及時
間的因素等。網頁相關性由關鍵字匹配程度，關鍵字密度，關鍵字分佈，和網頁標
籤標籤。SEO 的關鍵因素可分為內部 SEO(on page)及外部 SEO(off page):內部 SEO
針對網頁優化的三個要素如表 2. 1 SEO 的關鍵因素所示[15]：
12
表 2. 1 SEO 的關鍵因素
內部 SEO(on page) 外部 SEO(off page)
內容 所有頁面都具有的內容品
質、對所有內容的關鍵字需要進
行研究、應使用易被搜尋的單詞
及短句。這些頁面應該包含最近
及最近的主題所討論的主題、在
頁面中應該存放如圖像，視頻，
新聞等、內容是否直接回應了客
戶的搜尋結果、了解自身網站內
容的弱點
信任的
網站
以授權分享、反向連結等
建立授權信任連結，以及網
頁停留時間長、網址存在時
間長、作者是自己、不包括
留存重複內容、不應該加載
大量廣告等因素。
架構 避免重複的內容、頁面加載速
度快、頁面 URL 應該包含與頁
面內容相關的關鍵字、應該向用
戶提供 HTTPS 安全連線以確保
安全、避免網路偽裝。
反向連
結
鏈接都來自優質及可靠的
來源、鏈接應該包含指向頁
面內容、指向頁面的鏈接數
量適中、購買鏈接品質佳的
搜尋引擎、鏈接的建立不應
該通過垃圾論壇，博客，社
區等
HTM
L 標籤
標題標籤應包含相關主題關
鍵字、元(meta)描述標籤必須有
效地描述頁面的內容、網頁應該
包含結構化數據、標題和子標
題，標題標籤應介於 H1 到 H6
之間
社群媒
體反向
連結
目標瀏覽者是在地區區域
內、回訪者、透過使用者在
社群網路分享。
(1)彼此間是信任關係
(2)在社群媒體分享多數
連結與網頁。以上所述皆可
通過有效使用反向連結來改
善搜尋引擎的排名，使用以
部落格或社群媒體等都是有
效的方式[15]
+++== 4321 OKLCClockSEO (1)
13
表 2. 2 SEO 公式及其意義
符號意義 內容
代表整個網站的 SEO 效果
C 代表網頁內容豐富程度及網頁更新頻
率等項目。
用戶的使用體驗經驗可以滿足原始的，
原創的，再現的內容重要性順序。
L 代表網站內部與外部優質超連結等項
目
是合理和充分的聯繫元素。 合理有效的
內部鏈接與外部鏈接一樣重要，但高度相
關且高 PR 值的網頁尤為重要。
K 代表網站標題的選擇及關鍵字分佈等
項目
關鍵詞是包括的第三個重要因素合理標
題，描述，關鍵詞，網頁關鍵詞，以及相
關關鍵詞密度和合理分佈。
O 代表其他
其他因素，例如域名、網站年齡、服務
器、網站架構、網站佈局、網址和地圖等。
如果按照這個公式進行優化，網站的排名
會得到改善[16] [17]。
搜尋引擎優化的簡化公式如公式(1)幾乎涵蓋了一個優秀 SEO 的核心內容參考
表 2. 2 SEO 公式及其意義。
有些採用的隱形方法來增加排名這 5 種隱形技術有如下隱藏技術： IP 隱藏：用
戶代理隱藏、引用者隱藏、重複偽裝、JavaScript 重新導向隱藏等[18]。
調整這些演演算法以獲得最佳可能在搜尋引擎結果頁面中排名，其中最重要的
Page Rank 演算法排名網站[4]。 PageRank 通過計算頁面分數，使用網路圖的結構並
保存查詢和內容獨立的屬性。使用頁面 p 的總分是由重要性決定的 PageRank 分數
[19]。
14
圖 2. 2 Page Rank 節點示意
假設網路上僅有 A、B、 C 三個網頁如圖 2. 2 Page Rank 節點示意 PA(C) 來自
於連結到 C 的網站也就是網站 A 和 B，將 A 和 B 的 PageRank 值除以其各自
的導出連結數再將此二數值加總，即可得 C 網 站的 PageRank 值如下：B 獲得 A
的連結，而 A 有 2 個導出連結因此 PR(B)= PR(A)/2；C 獲得 A 和 B 的連結，A
有 2 個導出連結，B 只有 1 個，因此 PR(C)= PR(A)/2+ PR(B))。
15
表 2. 3 SEO 相關技術優點及限制
技術 要素 優勢 限制
採用動態規劃
的方式找出模
式和字串搜尋
方式。
N-grams 索引是被用
來使用估計字串的比
對、索引架構、最小
差異過濾條件、簽名
過濾、簽名架構及使
用 Levenshtein 距離
演算法(指兩個字串
之間，由一個轉成另
一個所需的最少編輯
操作次數)
於過短的字串可
以使用過濾器來過
濾它。
時間和空間取捨
需要被量測的方
式來決定，字詞進
大小 N 的滑動窗
口操作的值取決
於 n-gram 排序和
候選名單[11]。
廣度優先搜
尋、遺傳演算法
一組關鍵字、基因、
Jaccard 相似度。
藉著增加搜尋使
網路的爬蟲最佳
化。
一些網站重覆使
用單一詞彙-使得
他們關鍵字過於
簡短[12]
觀察研究 使用關鍵字工具，鏈
結工具，關鍵詞策
略，不同類型的的優
化技術形成優化，如
優化網站架構、 優化
網址結構等。
促進網站排名和
改善網站效率。
持續優化技術為
必要條件[13]。
Six Sigma SEO 關鍵因素被定義
為:1.關鍵字網站頁面
TITLE 和網頁內容
頁。2.外部鏈接
幫助網站建置者
及增加強顧客滿
意度為主要目標
和 SEO 的網站的
目的，用戶的滿意
度和網站的價值
持續優化技術為
必要條件[14]。
C4.5 演算法 關鍵詞優化，鏈接優化 通過網路搜尋相
關字來估計關鍵
字的擴展技術用
於滿足使用者所
需的關鍵字。
網站編輯者只能
利用之前 SEO 有
效的網站方式，無
法因應多變的情
勢[15]。
關鍵字堆積
（keyword
stuffing）和鏈接
農場(link
經由點擊率及跳出率
確定進一步的搜尋
這些技術不能依
靠作為一個固定
的策略或保證高
排名，而且易被列
16
技術 要素 優勢 限制
farming) 為黑名單。 [17]。
頁面分類算法：
1.超鏈接分析。
2. HITS 算法
3. GOOGLE PR
算法
爬行和快取：網路搜
尋引擎爬取及追踪鏈
接和訪問網站頁。
爬蟲程式爬取網
頁或指定的電子
商務網站在網
上，和然後提取特
定幾個網頁的節
點匯整於資料庫
中。
因電子商務是發
展快速其網頁更
新速度快需要經
常的調整，其要求
高於常規搜尋引
擎。[18]。
谷歌蜂鳥演算
法(Google
algorithm
hummingbird)
蜂鳥可以更好的理
解人類語言，從碎片
化的檢索詞到符合人
類語言的句子
在蜂鳥谷歌利用
SSL 加密搜尋在
線用戶結果。
移動網站性能將
受到主題 SEO 的
問題定位[19]。
於我們提的觀點比較類似是，借助基於人工智慧的方式，爬取網站使用 SEO 優化
方法的利用支持向量機(Support Vector Machine, SVM) [9]演算法，利用這個模型使用
科學文章為主題用來通過搜尋捕獲的主題來預測關鍵字及 K-最近鄰演算法，通過解
析文章內容，估計銀行目前受顧客歡迎的程度 [8]。利用關鍵詞的預測的數量的搜尋
可以得到相關的主題[10]。使用爬文的方式，試圖找出其關鍵字的密度，利用搜尋引
擎介面，找出其關鍵字的相關結構來優化[11]。採用爬蟲技術來取消搜尋引擎的相關
搜尋結果，以擴展關鍵字[16]。為了規避時推廣非法產品時受到法律監督，非法的商
人使用網際網路來掩飾他們的網路黑色關鍵字從事非法的商業意圖，如圖 2. 3 找出
黑色關鍵字架構圖所示[20]。可以幫助搜尋引擎供應商淨化搜尋結果並破壞地下市場
的通路。經由歷史 SEO 數據，採用 C4.5 演算法分析如圖 2. 4 SEO C4.5 演算法策略
所示關鍵詞結果的主要因素[21]。
17
圖 2. 3 找出黑色關鍵字架構圖
圖 2. 4 SEO C4.5 演算法策略
經由獲得用戶的關注並讓他們回到原有用戶訪問過的網頁，使其網站建置與用
戶想要的正確的內容，以滿足需求的用戶，並且還會增加的排名搜尋引擎[22]。
監控所定義關鍵字策略和鏈接，通過使用.NET 技術框架和將監測結果直觀地顯
示給用戶。用戶可以設置監控資訊，如：關鍵字，網址，搜尋引擎名稱等，以及有
關 Google 的相關資訊。然後，監控系統由定時地觸發，讀取和分析數據，並將數據
存儲到本地數據庫中，而用戶可以從本地數據庫查詢結果[23][24]。
18
經由建置模型來預測如何可以找到網站的主題，此架構由此三部分組成，描述
主題內容表達所需要模組、該主題的相關文件集模組，以及整個文檔的集合模組
[25]。
本論文的主要貢獻在於利用實作的系統的方式提升 SERP 利於使排名提升，利
用自然語言的方式產生關鍵字池，加上反饋的方式持續產生次要關鍵字後，找出相
應的文章，再組合成一篇文章及頁面分類標籤後，使用自動的方式發佈在我們的目
標網站，使豐富我們的目標網站內容而且及時的更新，利於 SEO 操作時作為決策的
參考。
19
第三章
搜尋引擎優化策略
我們提出【次要關鍵字】帶動【主要關鍵字】的方法，用以提升目標網站排名
的策略。各公司企業網站都在做的 SEO，網站內容除了需要考慮關鍵字佈局外，次
要關鍵字也是很好的策略。因主要關鍵字的確會為網站帶來大多數的流量；但相反
的，但經由其流量相加總後，卻是有可能高於主要關鍵字。如圖 3. 1 搜尋引擎優化
策略架構示意圖，主要方式為在 Google 的搜尋引擎中輸入其主要關鍵字，使用爬蟲
程式爬取其第一頁的相關連結，再依所取得的連結擷取其中的內容，只取得網頁上
<meta>、<title>、<h1>、<h2>這些標籤為文章中重要的字或句子，接下再這些字或
句子斷字及斷句後產生關鍵字，把不重要及黑名單的詞過濾後依其分數把重要的關
鍵字定義為我們的次要關鍵字，再使用自動摘要的方式發佈於我們的網站中。我們
再基於以上概念建置一個系統來驗證其結果是否達成我們預期的目標。
圖 3. 1 搜尋引擎優化策略架構示意圖
20
其建置的系統架構如圖 3. 2 Spring boot 架構，Apache Spring boot[26]是 Spring
framework[27]產品中一個新的子計劃，主要是基於 Spring framework 的中，能夠獨
立運行於各個應用系統，避免因為系統的依賴性太高而造成整合的不易，而該框架
將避免那些可能致使底層程式碼因大量的屬性檔案和共用程式變得繁雜混亂。大多
數的 Spring Boot 應用只需要少量的 Spring 配置，也使得系統在佈署時更加的單
純。
使用 Spring Boot 來開發 Java 應用程式，並使用 java -jar 的方式來執行或者
使用傳統 Web 應用程式歸檔(Web application Archive, WAR)的方式來部署的應用程
式。Spring Boot 也提供了一個命令列的方式來運行 spring 腳本，可以更容易佈署
於任何系統上。為分別使用物件關聯對映用於實現物件導向語言裡不同類型系統的
資料之間的轉換如圖 3. 3 Spring boot 資料存取物件類別圖。使用資料存取物件（Data
Access Object, DAO）對存取儲存在不同資料庫管理系統中的資料提供了一個通用的
元件。 因此，在將底層資料庫更換為另一個時，無需修改使用了 DAO 存取資料的
程式碼。而商業邏輯層則處於一種弱耦合結構，層與層之間的依賴是各自獨立，底
層對於上層而言是被封裝起來的，當改變上層的設計對於其調用的底層不會有任何
地影響。以下接著為網頁的抓取、資料清理、NLP(Natural Language Processing, NLP)
模組、JPA(Java Persistence API, JPA)模組等模組如圖 3. 4 系統架構圖，詳述如下。
21
圖 3. 2 Spring boot 架構
圖 3. 3 Spring boot 資料存取物件類別圖
網頁的抓取。參考現行爬文的架構[28]，抓取工具的重點是一個針對特定的主題
的訪尋，只收集有關網頁區塊，以減少不浪費及不相關資源，使用 crawler4j[29]它是
Java 實作的開源的爬蟲程式。它可以採用多執行緒的方式抓取網站。抓取網站須要
先設計要抓取的範圍，其範圍內也為次要關鍵字的範圍。
22
資料清理。使用 Jsoup[30]使將爬文的內容 HTML(HyperText Markup Language,
HTML)內的標籤，只取得網頁上<meta>、<title>、<h1>、<h2>這些標籤為文章中重
要的字或句子內容。而因為所取的 URL(Uniform Resource Locator, URL)可能會抓取
非預期的 URL，所以需要用正則表示式把不需要的網址排除於系統中[31]。
圖 3. 4 系統架構圖
NLP 模組。分為中文及英文的分詞、停止字詞、詞幹提取、關鍵詞提取及自動
摘要等子功能如圖 3. 5 NLP 模組所示。
圖 3. 5 NLP 模組
23
中英文分詞: CRF(Conditional Random Field, CRF)是一種判別式無向圖模型，由
貝式分類條件化後再序列化為線式鏈 CRF 再以一般化圖形的方式成為一般化
CRF[32]。
停止字詞:在一種語言中經常發生並且無關緊要這有助於構建句子，但不代表任
何內容文章。
關鍵詞提取:傳統會用 TF-IDF 的方式，TF（term frequency, TF）衡量了一個詞
在一篇文章中出現的頻率，詞頻指的是某一個給定的字詞在該文件中出現的頻率，
第 t 個詞出現在第 d 篇文件的頻率記 tft,d，逆向文件頻率（Inverse Document
Frequency, IDF）逆向文件頻率則是用來處理常用字的問題，假設字詞 t 總共在 dt
篇文章中出現過，則字詞 t 的 IDF 定義成 idft=log(D/dt)[33]。採用的是 TextRank 的
演算法，此方法是在 PageRank 的方式中引入權重的概念來表示字詞或句子的相似度
公式[34] 。
自動摘要:主要使用的情境是因為訊息量多，希望能在比較短的文章中就能代表
此文章的意義以圖 3. 6 自動摘要流程圖所示，也減少因為字詞的重覆過而造成對關
鍵詞的誤判[35]。我們使用 BM25 [36]在屬於 Bag-of-Words 模型[37]，此模型只考慮
文章中詞頻，不考慮句子結構或者語法關係，把文章當做裝字詞的袋子，具體袋子
裡面可以是雜亂無章的。其 k1 和 b，, 分別代表 「詞語頻率飽和度（term frequency
saturation）」 和 「欄位長度規約」 「詞語頻率飽和度」，數值越低則到高點的速度
過程越快速，而 b 可以將不同長度的文章統一到相同的比較條件上[38]。
24
圖 3. 6 自動摘要流程圖
JPA 模組/Postgresql DB。代表簡化的持久層模型。JPA 規格會明確定義物件/
關聯對映，而不會因為改變了資料庫而要重新實作圖 3. 7 資料庫關連圖示意。
圖 3. 7 資料庫關連圖
25
圖 3. 8 熱門關鍵字的關鍵詞優化演算法
策略說明如下所述:
1、於系統中給定一個熱門關鍵字的關鍵詞
2、找尋關鍵字對應 URL。系統將去特定搜尋引擎中，利用此熱門關鍵字
的關鍵詞去其搜尋引擎找第一頁相關的連結，如圖 3. 8 熱門關鍵字的關鍵詞
優化演算法所示。
3、爬取其 URL 內的網址內容。使用多執行緒的方式有效率的方式來爬取
其 URL 內的網址，又因為有些網址因為跟其中會有不相關的連結會使用正
則表示式的方式把不需要的網址去除。
4、加重權重。如果 URL 中有我們自己的網址標示出來，並針對這 URL
的關鍵字加重權重圖 3. 13 加權重關鍵字。
26
5、清理資料。將爬取內容後將 HTML 相關的標籤去除及取得所需要的區
域如圖 3. 11 網頁內容解析。
6、內容重要文字斷詞。因為像「透紅佳人蓮霧 推貼圖賣萌行銷六龜「黑
糖芭比」蓮霧 單粒近 2 百元山客迷路衝擊 哈尤溪秘境也想管制遊艇展落幕
成交額上看 7 億元阿塱壹二部曲 遊客 1 人撿走 1 袋垃圾總量管制反搶手 阿
塱壹變最紅古道民進黨高雄市議員初選／康裕成支持度 35.83% 穩獲提名黑
糖芭比打敗黑鑽石 六龜蓮霧明星大洗牌老屋修繕缺錢」的文字必須斷詞才
有意義，所以會斷成如下重要的字詞: 蓮霧#管制 ，如圖 3. 9 文章內重要的
詞。
圖 3. 9 文章內重要的詞
關鍵字 分數
蓮霧 2.3703527
管制 1.719677
黑糖 1.6164647
芭比 1.5138122
老屋 1.0471333
大洗牌 1.0179429
表 3. 2 文章內重要詞的分數
分數的演演算法為使用 Text Rank 的演演算法。
27
(2)
如公式(2) 就是是為圖中節點 Vi 到 Vj 的邊的權值 。d 依然為阻尼
係數，代表從圖中某一節點指向其他任意節點的機率，一般取值為 0.85。
In(Vi)In(Vi) 和 Out(Vi)Out(Vi) 分別為指向節點 ViVi 的節點集合和從節點
ViVi 出發的邊指向的節點集合。使用公式 OO 產生如表 3. 2 文章內重要詞
的分數，因為關鍵字在於求精不在求多，故只選排名最前面的兩名為主要的
關鍵字。
7、形成熱門關鍵字池。再把所有找到的所有的文章的重要的關鍵字將被
當做下一輪要找的輸入的關鍵字，己執行過要標示己執行，會依重要性再加
權其分數。其中的內容將會成為未來做監督式學習時做為訓練資料使用如圖
3. 13 加權重關鍵字所示。
8、形成文字摘要及傳遞。將其文章，利用 BM25 的演算法進行文字摘要，
得到的摘要文章利用介接的方式傳遞至目標網站。
將找到的候選關鍵(未執行過)字再回到步驟一再執行步驟 2~8。
28
圖 3. 10 關鍵字對應 URL
圖 3. 11 網頁內容解析
圖 3. 12 候選熱門關鍵字
29
圖 3. 13 加權重關鍵字
30
第四章
實驗與結果分析
驗證本論文所提出的優化改進策略確實比文獻[7]所提供的方法更為有效，我們
以全球佔有率超過 25％的 WordPress 4.9 版本作為我們的實驗環境網站，在其真實的
網際網路環境中建立三個實驗性網站，來驗證我們提出的優化改進的策略。為了比
較搜尋熱門關鍵字的關鍵詞後對於引擎優化相關因素，我們選擇以 ICIM 2018、
ICIM 2018 資管、ICIM 2018 研討會等做為三個實驗性質網站的主要搜尋熱門關鍵字
的關鍵詞，其中一網站沒有經過我們策略的網站及公式 C1、L2、K3、O4，這四項
條件為基礎使用比較作為實驗對照組。原創文章內容，網站超連結、關鍵字、網域
名稱、網站存續期間、網頁服務器主機位置、存取速度、網站架構與佈局、URL 和
網站地圖等為基礎加上傳遞熱門關鍵字的關鍵詞優化策略。實驗主機硬體規格為
CPU 2.7 GHz、HD 320GB、RAM 4GB，軟體環境採用 PHP 7.0，MySQL 5.6。本論
文實驗網站的特點分述說明如下:
1. Lab1 實驗網站，如，網址為 http://type1.emmon.tw。此網站的整體設定以文獻
[7]中所提出的公式 C1、L2、K3、O4，這四項優化條件為基礎下，再應用我們使用
的傳遞熱門關鍵字優化策略，至於網站的基本頁面與內部各項條件，則維持在一致
的設定。
2. Lab 2 實驗網站，網址為 http://type2.emmon.tw。此網站中僅維持其基本的頁
面架構與條件，沒有另外採用其他的優化策略，以利做為本實驗的對照組。
31
3. Lab3 實驗網站，網址為 http://type3.emmon.tw。使用在 SERP 上的超連結點
擊次數，以及點擊之後的網頁黏著度之優化策略如圖 4. 3 Type3 實驗網站，以利做
為本實驗的對照組整理。
圖 4. 1 Type1 實驗網站
32
圖 4. 2 Type2 實驗網站
圖 4. 3 Type3 實驗網站
33
表 4. 1 本論文各實驗網站的關鍵字與網站特性列表
實驗網站 關鍵字 網站特性
type1.emmon.tw
ICIM 2018
ICIM 2018 資管
ICIM 2018 研討會
type1 網站整體設定以文
獻[7]中所提出的公式 C1、
L2、K3、O4，這四項條件
為基礎，加上此論文的傳遞
熱門關鍵字優化策略。
type2.emmon.tw
ICIM 2018
ICIM 2018 資管
ICIM 2018 研討會
type2 網站僅維持其基本
的網站架構與佈局，以做為
本實驗的對照組。
type3.emmon.tw
ICIM 2018
ICIM 2018 資管
ICIM 2018 研討會
使用在 SERP 上的超連
結點擊次數，以及點擊之後
的網頁黏著度之優化策略。
圖 4. 4 Google 搜尋引擎關鍵字內容
我們在圖 4. 4 Google搜尋引擎關鍵字內容找出下列 3組關鍵字 ICIM 2018、ICIM
2018資管及 ICIM 2018 研討會的 type1實驗網站皆已經被Google搜尋引擎檢索資料
庫收錄。ICIM 2018 在 SERP 上的排名趨勢如圖 4. 5 關鍵字【ICIM 2018】的 SERP
排名趨勢圖，優化成果畫面截圖表現經過 32 天的時間周期，從最後一頁進步到第三
34
頁如圖 4. 5 關鍵字【ICIM 2018】的 SERP 排名趨勢圖所示。ICIM 資管經過 32 天的
時間周期，從最後一頁進步到第五頁如圖 4. 7 關鍵字【ICIM 2018 資管】的 SERP
排名趨勢圖圖 4. 7 關鍵字【ICIM 2018 資管】的 SERP 排名趨勢圖。另關鍵字池的
關鍵字 ICIM 研討會經過 32 天的時間，也從最後一頁進步到第三頁，如圖 4. 9 關
鍵字【ICIM 2018 研討會】的 SERP 排名趨勢圖，其圖 4. 10 關鍵字【ICIM 2018 研
討會】在 SERP 的首頁截圖。
而相對照組沒有進行優化的 Lab2 網站，對照組則完全沒有任何的進展圖 4. 11
對照組【ICIM 2018】在 SERP 的首頁截圖，沈沒於網路的浩瀚不見踪跡。所以搜尋
引擎最佳化對於企業尤其是行銷重要性由此可知。
圖 4. 5 關鍵字【ICIM 2018】的 SERP 排名趨勢圖
35
圖 4. 6 關鍵字【ICIM 2018】在 SERP 的首頁截圖
36
圖 4. 7 關鍵字【ICIM 2018 資管】的 SERP 排名趨勢圖
37
圖 4. 8 關鍵字【ICIM 2018 資管】在 SERP 的首頁截圖
38
圖 4. 9 關鍵字【ICIM 2018 研討會】的 SERP 排名趨勢圖
39
圖 4. 10 關鍵字【ICIM 2018 研討會】在 SERP 的首頁截圖
40
圖 4. 11 對照組【ICIM 2018】在 SERP 的首頁截圖
41
接下針對[第二階段]真實網站進行實測，其網站名稱：【愛演戲達人出租】，網站
網址：https://ons.cc/，使用本論文使用的熱門關鍵字改進搜尋引擎排名的優化策略，
使其網頁的排名能進一步的優化而達到行銷推廣的目的。此網創立的因由是由於共
享經濟這個商業模式，共享經濟是一種新型的經濟，於世界各地越來越多的人使用。
這個概念最近由[39]討論，並基於四個主要特點：（1）以閒置資源使用權的暫時性轉
移，（2）大量的人想要分享這些資源，（3）陌生人之間的信任，以及（4）參與者認
可共享的好處，所以此網站建置的動機為基於共享經濟的概念而建置。圖 4. 12 達
人出租真實網站架構為網站架構，分別為 ABOUT、ACTOR、RENTAL、JOIN US
及 CONTACT US，首頁如圖 4. 13 達人出租網站首面。
圖 4. 12 達人出租真實網站架構
42
圖 4. 13 達人出租網站首面
建立達人出租基本架構，網站內容編寫與建立目標網站連結，上傳我們所產生
的文章，利用本論文所開發的系統所用用的策略指定關鍵字及文章的藉此提升排
名，使瀏覽者容易爬尋到點擊超連結，導向目標網站提升在搜尋結果頁面排名。如
圖 4. 14 達人出租網站關鍵字為【出租女友】SERP 為第 4 頁，經過 1 個星期的時間
圖 4. 15 達人出租網站關鍵字為【出租女友】SERP 為第 3 頁。再使用【出租男友】
由圖 4. 16 達人出租網站關鍵字為【出租男友】SERP 為第 9 頁經由 2 個星期前進至
圖 4. 17 達人出租網站關鍵字為【出租男友】SERP 為第 6 頁。
43
圖 4. 14 達人出租網站關鍵字為【出租女友】SERP 為第 4 頁
44
圖 4. 15 達人出租網站關鍵字為【出租女友】SERP 為第 3 頁
45
圖 4. 16 達人出租網站關鍵字為【出租男友】SERP 為第 9 頁
46
圖 4. 17 達人出租網站關鍵字為【出租男友】SERP 為第 6 頁
47
第五章
結論
行銷己進入不同的境界，不只是傳統的市場區隔、選擇目標市場、市場定位、
產品、價格、推廣、通路而己。精準行銷己是業界目前正在進行的方式，希望能利
用大數據的方式及使用除了傳統的廣告方式外，社群行銷及 SEO 來增加轉化率，也
就是從客戶進入官網無論是由社群或入口網站等等，我們經由數據的分析，我們可
以優化其中的流程進而使客戶下單，而我們這研究的主要目的是針對其中的 SEO 來
做調整，也希望能透過優化再進一步的提供客戶的轉化率。
本論文實驗將三個實驗性質網站的基本條件維持在一致的設定，並以自評分數
表來展現文獻[7]的搜尋引擎優化公式(1)，與我們提出的使用傳遞熱門關鍵字的關鍵
詞優化策略的差異。同時由於我們無法擅自取得他人網站的控制權，所以也無法將
自評分數表隨意套用在別人建立的網站上做為評比，這是本論文的限制條件之一。
我們的實驗皆能證明此經過改進的搜尋引擎優化策略確實有效，我們的網站從
排名不見經傳，經過約 32 天的時間可以到第 3 頁或第 2 頁，而我們所提供的關鍵字
池及所產生的文章，也可供上稿及小編等作為參考，使其確認當下輿情的方向，我
們可以順其方向提供我們網站的曝光度。
本論文的目標期盼能協助企業能利用 SEO 提升其網頁的排名，不只減少廣告的
開支。如果客戶能在其網站停留更久，更多的客戶來訪其網站，就更有機會創立更
多的讓消費者買單的機會，如在配合相應的機制配合，提高轉換率就非難事，當然
48
更快的方式是跟入口網站買廣告之類的，或商請 SEO 的廠商做操作，社群行銷也要
操作 SEO 也要操作，造成企業在行銷費用的支出增加，大型大公司有其經濟規模還
可因應，而非大型公司在其預算限制大的情況下不容易如此花錢操作。
也因為入口網站沒有提供其 SERP 排名的原則及演算法為何，所以也沒有什麼
特效的方式可以立即把排名往前，除了花錢之外。而我們使用我們的機制產生關鍵
字池利用反饋的方式持續產生關鍵字找出相應的文章再組合成一篇文章後使用自動
的方式發佈在我們的目標網站，使豐富我們的網站內容而且是及時的更新，當有數
個同性質網站都有基礎優化的條件下，他們都使用都相同的關鍵字的情況下採用我
們提出的策略就能有效贏過其他網站。任何新產生的搜尋引擎優化策略不代表可以
永遠有效，因為搜尋引擎會不斷地更新其用來衡量網站價值的演算法，而且經常不
定的時日就會有所調整，並自動產出在搜尋結果頁面中的排名。
當然我們也無法得知其判定的準則到底為何，所以無論那種優化技術都無法對
客戶保證一定會有效果，而面對這些挑戰，主要不變的地方仍在於如何持續地跟進
搜尋引擎優化策略，充實網站原創內容並保持關注不同的潮流及環境的變化，持續
進行才能立足於競爭的搜尋引擎優化策略市場中。
49
參考文獻
[1] D.Dandwani andM. N.Punjani, “Search Engine Optimization ( Working of Page
Ranking ),” pp. 2040–2046, 2016.
[2] A.Grzywaczewski, R.Iqbal, N.Shah, andA.James, “E-Marketing Strategy for
Businesses,” pp. 428–434, 2010.
[3] E.Opoku-mensah, F.Zhang, F.Zhou, andP. K.Kittur, “Understanding User Situational
Relevance in Ranking Web Search Results,” pp. 405–410, 2017.
[4] M.Alsaffar, L.Pemberton, K. R.Echavarria, andM.Sathiyanarayanan, “Visual
behaviour in searching information: A preliminary eye tracking study,” Proc. - Int. Conf.
Res. Challenges Inf. Sci., pp. 365–370, 2017.
[5] P. M.Fiorini andL.Lipsky, “Performance Implications of Internet Marketing
Campaigns on Web Servers,” no. September, pp. 555–560, 2009.
[6] “Search Engine Market Share Worldwide | StatCounter Global Stats.” [Online].
Available: http://gs.statcounter.com/search-engine-market-share. [Accessed:
24-Jun-2018].
[7] Z.Tan, “SEO Keyword Analysis and Its Application in Website Editing System,” pp.
0–3, 2012.
[8] V.-A.Romero-Zaldivar, A.Pardo, D.Burgos, andC.Delgado Kloos, “Monitoring
student progress using virtual appliances: A case study,” Comput. Educ., vol. 58, no. 4,
pp. 1058–1067, May2012.
[9] W.Bin, “A Study on Tactics for College Website at Search Engine Optimization,” pp.
259–263, 2018.
[10] S. E. O.Google, “Search Engine Optimization,” no. December, pp. 17–18, 2009.
[11] N.Yalçin andU.Köse, “What is search engine optimization: SEO?,” Procedia - Soc.
Behav. Sci., vol. 9, no. July 2009, pp. 487–493, 2010.
[12] Y.Hu, J.Shin, andZ.Tang, “Pricing of online advertising: Cost-per-click-through vs.
cost-per-action,” Proc. Annu. Hawaii Int. Conf. Syst. Sci., no. Helft 2007, pp. 1–9, 2010.
[13] S.Duk, D.Bjelobrk, andM.Čarapina, “SEO in e-commerce : balancing between white
and black hat methods,” pp. 390–395.
[14] S. K.Shivakumar, “Content Governance,” p. 2001, 2001.
[15] V.Fvwhfk, J.Frp, R. Q.Wkh, X. H.Shulhqfh, andD. Q. G.Shuirupdqfh, “Search
engine optimization: Success factors,” Parallel, Distrib. Grid Comput. (PDGC), 2016
Fourth Int. Conf., pp. 3–7, 2016.
[16] Z.Hui, Q.Shigang, L.Jinhua, andC.Jianli, “Study on Website Search Engine
Optimization,” 2012.
[17] M. R.Henzinger, R.Motwani, M.View, andM.View, “Challenges in Web Search
Engines 2400 Bayshore Parkway 2400 Bayshore Parkway,” pp. 1573–1579.
[18] B.Wu andB. D.Davison, “Detecting Semantic Cloaking on the Web.”
50
[19] B.Data, “AN IMPROVED PAGERANK FOR IDENTIFYING THE INFLUENTIAL
NODES BASED ON RESOURCE ALLOCATION IN DIRECTED NETWORKS,” pp.
42–45, 2017.
[20] H.Yang et al., “How to Learn Klingon without a Dictionary: Detection and
Measurement of Black Keywords Used by the Underground Economy,” Proc. - IEEE
Symp. Secur. Priv., pp. 751–769, 2017.
[21] N. K.Mansur andF.Adnan, “Search engine optimization: Raising the ranking of Suku
Osing websites on search engine page,” 2017 4th Int. Conf. Comput. Appl. Inf. Process.
Technol., pp. 1–4, 2017.
[22] D.Wu, T.Luan, Y.Bai, L.Wei, andY.Li, “Study on SEO monitoring system based on
keywords & links,” Proc. - 2010 3rd IEEE Int. Conf. Comput. Sci. Inf. Technol. ICCSIT
2010, vol. 5, pp. 450–453, 2010.
[23] D.Sharma andM.Bansal, “Massive Semantic Content Using On-page Optimization
Technique,” 2014.
[24] K.Chellapilla andD. M.Chickering, “Improving Cloaking Detection Using Search
Query Popularity and Monetizability,” vol. 0, 2006.
[25] M.Alli, “SERP-level Disambiguation from Search Results.”
[26] “Spring Boot.” [Online]. Available: https://spring.io/projects/spring-boot.
[27] “Spring Framework.” [Online]. Available:
https://spring.io/projects/spring-framework.
[28] M. K.Dey, “Focused Web Crawling : A Framework for Crawling of Country Based
Financial Data,” pp. 409–412, 2010.
[29] Y.Ganjisaffar, “crawler4j,” Apache License 2.0. [Online]. Available:
https://github.com/yasserg/crawler4j.
[30] “jsoup Java HTML Parser.” [Online]. Available: https://jsoup.org/.
[31] Z.Shi andW.Lin, “The Implementation of Crawling News Page Based On
Incremental Web Crawler,” pp. 348–351, 2016.
[32] J.Lafferty, A.McCallum, andF. C. N.Pereira, “Conditional random fields:
Probabilistic models for segmenting and labeling sequence data,” ICML ’01 Proc.
Eighteenth Int. Conf. Mach. Learn., vol. 8, no. June, pp. 282–289, 2001.
[33] J.Ramos, “Using TF-IDF to Determine Word Relevance in Document Queries,”
Proc. first Instr. Conf. Mach. Learn., pp. 1–4, 2003.
[34] R.Mihalcea andP.Tarau, “TextRank: Bringing Order into Texts,” vol. 85, 1998.
[35] S.Verma andV.Nidhi, “Extractive Summarization using Deep Learning,” 2017.
[36] S.Robertson, The Probabilistic Relevance Framework: BM25 and Beyond, vol. 3, no.
4. 2010.
[37] Y.Zhang, R.Jin, andZ. H.Zhou, “Understanding bag-of-words model: A statistical
framework,” Int. J. Mach. Learn. Cybern., vol. 1, no. 1–4, pp. 43–52, 2010.
[38] H.Zaragoza, “Microsoft Cambridge at TREC – 13 : Web and HARD tracks,” 2004.
51
[39] R. R.Rachel Botsman, What’s Mine is Yours: The Rise of Collaborative
Consumption. New York, NY, USA.: HarperBusiness, 2010.
