В семантике биграммы и триграммы, а в общем случае n-граммы, являются важным инструментом. В статье я расскажу как искать и пользоваться ими для улучшения своих текстов и покажу алгоритм работы.
Биграмма — это два слова, которые в тексте являются соседними, то есть биграмма это двухсловные сочетания. Для примера рассмотрим предложение: Мальчик смотрел в окно.
В нем можно выделить такие биграммы
- мальчик смотрел,
- смотрел в
- в окно.
Вот и всё! А триграмм и того меньше
- мальчик смотрел в
- смотрел в окно
Слово у нас неделимая единица предложения. Еще такие неделимые называются токенами, то есть слово = токен.
Сами по себе n-граммы самостоятельной ценности не представляют. Но для семантического анализа текста они крайне интересны. Ведь частота появления той или иной биграммы в тексте является закономерной. Пусть у нас текст про то, Как составить ключевые слова для статьи за 20 минут.
Желтым подсвечены те, что определяют тематику текста. Если же посмотреть на триграммы, то здесь картинка еще более "красивая", словосочетания более точно определяют текст.
Четырехсловные фразы еще четче показывают тематическую направленность текста.
Для сравнения я взял текст из той же тематики, но чуть-чуть в стороне (про написание текстов). И что же мы видим
Биграммы:
Триграммы:
Похожих биграмм и триграмм в двух текстах нет. И это правильно: ведь тексты имеют разную тематику. Из рассмотренного примера можно сделать выводы о том, что
- разные тексты дают разные словосочетания (если они не являются копиями и 100% уникальны),
- на каждый текст есть свои словосочетания, которые определяют тематическую направленность текста.
Как использовать словосочетания в тексте
И здесь приходит понимание практического применения биграмм и триграмм. Если я пишу новую статью или только создаю для нее техническое задание, то изучив словосочетания статей-конкурентов можно определить как, что и о чем надо писать в своем тексте. Ну если не в полной мере, то найти устойчивые фразы, которые описывают тематику текста можно.
И теперь, если я буду писать текст на эту же тему, то употребив несколько раз какие-то из этих триграмм (разумно и логично, а не просто запихивая их через два слова на третье), мы дадим поисковым системам четкий сигнал, что мой текст именно из этой темы.
Понятно что одного такого сигнала мало. Но по капельке-капельке и собирается ручеек, а потом и речка...
Используя все доступные "рычаги" (ключевые слова, похожие фразы, подсказки, lsi, биграммы и триграммы), можно подтолкнуть поисковые системы к тому, что наш текст тоже чего-то стоит и что он релевантен поисковому запросу пользователя.
Возьмем все наши триграммы из примера сведем в одну таблицу, удалим явные и неявные дубли, незначащие фразы, отсортируем по частоте употребления и получим вот такую "красоту":
Это уже готовая часть в наше ТЗ на текст. Осталось только также красиво ее реализовать в тексте.
Практические приемы использования биграмм и триграмм подробно расписаны у меня в статье.