Il Latent Dirichlet Allocation applicato alla SEO

Questo articolo ha l’obiettivo di individuare un argomento che va oltre l’ottimizzazione normale delle pagine web e soprattutto dei testi che compongono i contenuti delle pagine web. Questo articolo parla della semantica frasale applicata alla SEO; LDA e il suo contributo al Ranking.

Noi tutti sappiamo che Google scansiona le pagine web (crawling)e le butta successivamente in un contenitore (indicizzazione) e che l’indice di Google contiene miliardi di documenti, perché, come abbiamo detto più volte il motore di ricerca è, in sostanza,  un cliente dell’utente.

Di questi miliardi di documenti, solo alcuni vengono “selezionati” attraverso il processo che conosciamo che passa attraverso le ottimizzazioni dei tag, meta tag, scansione dei contenuti, scansione di internal link, analisi di incoming e outgoing links etc. Ma i motori di ricerca, in questo caso Google, possono basarsi anche su altri fattori che riguardano più intrinsecamente i testi e il loro valore semantico riguardo al ciò che il sito tratta, ovvero i contenuti e il tema: Il Topic.

Ecco che entra in gioco a questo punto, un livello più profondo del significato di contenuti che può determinare un Ranking più alto. La logica di fondo, che si basa su una statistica delle probabilità, ci suggerisce che Google in un oceano di documenti, va a pescare i contenuti che sono più profondamente collegati al tema del sito. Il grado di correlazione tra LDA e le SERPs, nonostante sia molto probabile, è ancora da specificare, come dimostrano anche gli studi di Seomoz.org

Il livello concettuale base di questo dell’algoritmo LDA è il seguente:

Questo metodo (LDA) è un ragionamento basato su un algoritmo EM (che fa riferimento alla statistica delle probabilità in cui lo scopo è quello di aumentare, e quindi massimizzare, la probabilità dei parametri di un modello probabilistico M ad un insieme di dati S risultanti di un processo stocastico, cioè aleatorio, ovvero basato su variabili casuali, e quindi che coinvolge un processo non noto)

Quindi  avendo un insieme di parametri, lo scopo è quello di ottenere un nuovo insieme di parametri. Quindi da un insieme, un sottoinsieme.

Di conseguenza,  più semanticamente siamo vicini alla domanda (keywords) più possibilità ci dovrebbero essere di suscitare l’attenzione dei motori di ricerca.

La base del ragionamento del LDA è quindi che da un insieme di possibili argomenti, un sottoinsieme è recuperato per ogni documento degli argomenti. Questa selezione, rappresenta il tema discusso nell’argomento e ogni parola del documento è generata da un mix di altre parole.

Esempio…

Parole chiavi e astronomia e geologia

La navetta spaziale ha viaggiato a lungo nello spazio prima di arrivare sulla luna. Una volta arrivata, le sonde esamineranno il suolo per cercare di stabilire se si trova del ghiaccio nelle profondità dei crateri lunari

In questo caso, il significato semantico di astronomia è rappresentato in blu, quello riguardante la geologia in rosso.

Quindi il LDA individua, usando l’algoritmo EM, il significato concettuale dei termini di un insieme di documenti.

In ogni modo, questo processo richiede diverso tempo a seconda degli argomenti e, di conseguenza, da come strutturiamo i testi.

Questo algoritmo è dato da due step:

1) Individuazione del tema, o argomento

2) Individuazione delle parole che si utilizzano per il tem/argomento

In altre parole il Topic è dato:

dal numero di volte che il documento ha usato quel Topic X il numero di volte che la parola chiave usate in quel Topic

…e quindi

→ massimizza le probabilità di essere pescati dai motori di ricerca

Torneremo presto su questo algoritmo argomentando maggiormente LDA e la statistica delle probabilità applicata ai testi nei motori di ricerca e la semantica frasale. Aspettiamo vostri feedback  per sapere cosa ne pensate a riguardo.

A presto!