SEOMantica: TF/IDF (Term Frequency / Inverse Document Frequency) ecco cos'è!

SEOMantica: TF/IDF (Term Frequency / Inverse Document Frequency) ecco cos’è!

3 Settembre 2011

Del parametro TF/IDF ne aveva già parlato molto approfonditamente anche Franco in un post proprio qui sul blog.

Personalmente ho cercato, durante lo speak, di sintetizzare e semplificare al massimo questi concetti al fine di comprenderli velocemente e iniziare a studiarli sempre più approfonditamente e tenendone in considerazione per l’ottimizzazione SEO.

TF/IDF (Term Frequency / Inverse Document Frequency) ecco cos’è! (Slide 35-39)

Come spesso ci succede per imparare cose nuove dobbiamo fare affidamento a concetti già assimilati e utilizzati in passato, quindi parliamo di:

Keyword Frequency = Nr. di ripetizioni di una keywords all’interno di un testo | Formula matematica: Conteggio delle ripetizioni
Keyword Density = Ripetizioni della Keywords rapportate al numero totale di parole presenti nel documento | Formula matematica: Keyword Frenquency * 100 / Totale Keywords

Il fattore TF/IDF non è altro che l’evoluzione di questi due componenti adattato all’ambiente circostante in cui il contenuto è riposto. Mi spiego meglio:

TF/IDF = Indica la frequenza del termine ponderata in quanto è inversamente proporzionale alla frequenza del documento e misura quanto importate è una determinata parola in un documento e nel corpus di analisi totale, cioè in tutti i documenti nell’ambiente analizzato. | Formula matematica: Frequenza del termine * Frequenza inversa del documento

Vediamo nel dettaglio la formula algoritmica scomponendo i due fattori:

Frequenza del termine = Nr. ripetizioni della keywords / Totale Parole Documento
Frequenza inversa = log(totale documenti del corpus / totale documenti che contengono la keyword)

Quindi ecco la formula matematica completa:

Facciamo un esempio per capirci meglio:

Testo = parole totali 1.000
Keyword osservata = marketing
Occorrenze Keyword = 9

Calcolo TF (term frequency: Frequenza del termine) = 9/1.000 = 0,009

Totale documenti del corpus = 10 Miliardi (totale delle pagine indicizzate da Google)
Documenti con “Marketing” = 535 Milioni (basta fare una ricerca su Google per la parola chiave da controllare. Clicca qui per l’esempio)

Calcolo IDF (Frequenza inversa del termine) = log(10.000.000.000/535.000.000) = 1,27

Quindi il calcolo definitivo è: TF/IDF = TF * IDF = 0,009 * 1,27 = 0,01143

Per facilitarti la vita, anche la mia, ho creato un semplicissimo tool/foglio di calcolo di MS Excel che effettua in autonomia tutti questi calcoli (basta inserire i dati):