Анализатор N-gram
Подсчитайте одно-, двух-, трёх- и четырёхсловные фразы, которые действительно использует текст, — со правильной обработкой стоп-слов и без пересечения n‑gram границ предложения.
Ничего, что вы вводите здесь, не загружается, не сохраняется и не отправляется куда-либо. Всё работает в вашем браузере.
Плотность — неправильный показатель для оценки
Google не вознаграждает какой‑либо показатель плотности ключевых слов, и такого показателя никогда не было. Проценты здесь нужны, чтобы сравнить одну фразу с другими в том же тексте, а не для достижения цели. Если вы начинаете править текст, чтобы изменить цифру на этой странице, остановитесь — вы оптимизируете метрику, которую никто не читает.
Для чего n‑gram действительно полезны, — два момента, и оба связаны с написанием, а не с ранжированием.
- Просмотр фраз, которые уже использует страница. Прежде чем решать, на что ориентирована страница, выясните, что она сейчас говорит. Вид трех- и четырёхсловных фраз — честный ответ, и часто это не фраза из тега title.
- Обнаружение повторов, к которым вы стали слепы. У каждого автора есть оборот, к которому он тянется, не замечая этого. Видеть «the hard part is» четыре раза в девятистах слов — то, что вы исправите за минуту, как только заметите, а иначе никогда не обратите внимания.
Что на самом деле делает подсчёт
Текст сначала разбивается на предложения по точкам, знакам вопроса, восклицательным знакам, точкам с запятой и переводам строки. N‑граммы генерируются внутри каждого предложения и никогда не пересекают границы, что имеет значение: без этого правила подсчёт четырёх слов будет полон фраз вроде "campaign the hard part", которые никто не писал. Сокращения всё ещё обманывают разбиватель — например и Inc. завершать предложение, насколько это касается — это добавляет пару фиктивных границ и является стандартным компромиссом.
Проценты — это количество, делённое на общее число n‑грамм данного размера в тексте, до любой фильтрации. Текст из 200 слов содержит 200 униграмм, 199 биграмм и т.д. внутри одного предложения, а при разбиении на предложения их становится меньше, поэтому знаменатели различаются между вкладками. Поэтому биграмма с показателем 1.2% не сопоставима напрямую с униграммой с тем же показателем 1.2%.
Стоп‑слова: включать для слов, осторожно для фраз
Исключение стоп‑слов из подсчётов однословных единиц очевидно правильно — никому не нужно это знать the является самым частым словом в их статье. Для фраз ситуация более тонкая. Это удаляет любую фразу, которая начинается или заканчивается на стоп‑слове, что убивает "of the page" и "is the hard", но сохраняет "link building is the practice" нетронутой, если она повторяется. Отключите эту опцию, когда вы анализируете ритм предложений, а не тему.
Чтобы увидеть тот же текст, ранжированный по тому, насколько каждый термин необычен, а не по частоте его появления, пропустите его через извлекатель тем и ключевых слов вместо этого — это сравнивает с базовым уровнем обычного английского, что даёт более точный ответ на вопрос "what is this page about".
Вопросы, которые задают люди
Что такое n‑gram?
Последовательность из n подряд идущих слов. "Broken link building" — это 3‑gram; отдельное слово "broken" — 1‑gram. Подсчёт их позволяет находить фразы, которые повторяются в тексте, а не отдельные слова, и фразы несут гораздо больше смысла, чем отдельные слова.
Какой n следует рассматривать?
Два и три. Одиночные слова почти ничего не говорят, когда удалены стоп‑слова, а четырёхсловные фразы в тексте короче тысячи слов обычно повторяются только в повторяющихся участках. Биграммы и триграммы показывают тему страницы.
Почему фраза, которую я вижу дважды в тексте, не отображается?
Три обычные причины: она ниже установленного минимума вхождений, начинается или заканчивается стоп‑словом при включённой опции игнорирования, либо два вхождения различаются тем, что видит инструмент, а вы — дефис, множественное число, разрыв строки посередине. Установите минимум в 1 и отключите стоп‑слова, чтобы найти её.
Плохой ли высокий процент?
Не сам по себе. Страница, посвящённая одной узкой теме, будет законно её повторять. Стоит обратить внимание, когда фраза появляется значительно чаще остальных слов и ничего не добавляет — это обычно сигнал, что текст написан под ключевое слово, а не под читателя, и так и воспринимается.
Поддерживает ли он другие языки, кроме английского?
Токенизация работает с латинским, латиницей с диакритикой и кириллическим текстом, поэтому подсчёт работает. Список стоп‑слов доступен только для английского, поэтому для других языков отключите опцию стоп‑слов и смотрите необработанные подсчёты.
Сопутствующие инструменты
Понимание содержания страницы — первый шаг
Формулировка сообщает, о чём страница. Видит ли её кто‑нибудь — отдельная проблема, её решают с помощью ссылок.