zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Luận Văn - Báo Cáo

» Công nghệ thông tin

Đề tài: Tìm hiểu và ứng dụng SEO vào trang web toancaumobile.vn

Chia sẻ: Tran Hoa | Ngày: | Loại File: DOCX | Số trang:62

Báo xấu

112
lượt xem 23
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Chuyên đề đề tài “Tìm hiểu và ứng dụng SEO vào trang web toancaumobile.vn” là một minh chứng cụ thể nhất cho việc áp dụng phương pháp SEO vào một website phi lợi nhuận, một website bán hàng điện tử điện thoại.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Đề tài: Tìm hiểu và ứng dụng SEO vào trang web toancaumobile.vn

LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Những kết quả và các số liệu trong chuyên đề chưa được ai công bố dưới bất cứ hình thức nào. Tôi hoàn toàn chịu trách nhiệm trước nhà trường về sự cam đoan này. Huế, ngày 01 tháng 05 năm 2016 Sinh viên thực hiện Nguyễn Tuấn Vũ
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa MỤC LỤC SVTH: Nguyễn Tuấn Vũ 2 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa DANH MỤC HÌNH SVTH: Nguyễn Tuấn Vũ 3 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa CHƯƠNG 1. TỔNG QUAN 1.1. ĐẶT VẤN ĐỀ Website – ngôi nhà của Doanh nghiệp trên Internet, nếu nói tên miền là bảng hiệu của một Công ty thì website chính là văn phòng của Công ty đó, là nơi khách hàng tìm kiếm các thông tin về doanh nghiệp trước khi kí hợp đồng, là nơi khách hàng và các đối tác liên hệ doanh nghiệp, là bộ mặt của doanh nghiệp… Ngoài ra website còn tạo ra không ít lợi thế khác như : Hướng hoạt động của doanh nghiệp từ nội địa hoặc cục bộ ra toàn cầu. Website là nơi trưng bày, giới thiệu sản phẩm, hàng hóa dịch vụ của Doanh nghiệp. Hoạt động lên tục 24x7, không giới hạn thời gian và không gian. Website là kênh thông tin giới thiệu sản phẩm, dịch vụ hoàn hảo nhất và hữu dụng nhất với hình ảnh, các giới thiệu, các media… Website còn là một kho hàng khổng lồ, không giới hạn về sức chứa. Hơn cả, website là một kênh bán hàng tốn ít chi phí nhất. Thông qua website, doanh nghiệp có thể tiếp thị hình ảnh, thương hiệu, dịch vụ, sản phẩm của mình ra ngoài phạm vi, khu vực của quốc gia. Chính vì những lợi ích ấy, việc không có website đã là một thiệt thòi so với các đối thủ cạnh tranh. Theo Tổng cục Thống kê, tổng số người sử dụng Internet tại Việt Nam tính đến 2013 là hơn39 triệu người, ( chiếm hơn 43.9% dân số Việt Nam) và hơn 8,5 triệu người dùng Internet băng thông rộng (08/2014). Trong giai đoạn 2000 2010, tỉ lệ tăng trưởng người sử dụng Internet tại Việt Nam đạt mức 12%, tốc độ tăng trưởng nhanh nhất trong khu vực. Như vậy sau gần 14 năm kể từ ngày Việt Nam gia nhập cộng đồng Internet toàn cầu (1/12/1997), lượng người sử dụng Internet trong nước đã tăng nhanh một cách đáng kể. SVTH: Nguyễn Tuấn Vũ 4 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Nhìn chung, Internet là một món ăn không thể thiếu với cuộc sống của mọi người, với thói quen sử dụng các bộ máy tìm kiếm (Google, Bing, Yahoo…) để tìm kiếm thông tin về doanh nghiệp, tài liệu học tập, mua sắm trực tuyến, nạp thẻ điện thoại, thanh toán hóa đơn… Theo thống kê, có đến hơn 86% lượng truy cập của một website đều đến từ các Search Engine lớn như Google, Yahoo, MSN… Mỗi ngày có hàng triệu người dùng lướt web sử dụng Search Engine để tìm những sản phẩm, dịch vụ và thông tin họ đang cần.Nhưng liệu với hàng tỉ website hiện đang tồn tại, làm sao khách hàng có thể tìm thấy website của bạn trước mà không phải của các đối thủ cạnh tranh? Hầu hết người sử dụng các bộ máy tìm kiếm đều không kiên nhẫn, họ chỉ tập trung vào các kết quả tìm kiếm ở “Trang nhất” trong hàng trăm, hàng triệu kết quả trả về khi truy vấn tìm kiếm. 1.2. LỊCH SỬ GIẢI QUYẾT VẤN ĐỀ Webmaster và các nhà cung cấp dịch vụ SEO đã bắt đầu tối ưu hóa các trang web cho công cụ tìm kiếm vào giữa những năm 1990. Ban đầu, các webmaster bắt đầu gửi link liên kết hay url của trang web đến các công cụ tìm kiếm, các công cụ này sẽ gửi một spider đến trang website đó, website sẽ được thu thập dữ liệu, sau đó được index lên máy chủ tìm kiếm, nơi đây các thông tin về website sẽ được lưu trữ lại, các từ khóa của website, các link liên kết trong website đó, các spider này sẽ làm việc index lên máy chủ theo lịch trình mà các công cụ tìm kiếm quy ước. Người sở hữu trang web bắt đầu để nhận ra những giá trị của việc có các trang web của họ và có thể nhìn thấy được xếp hạng cao trong kết quả công cụ tìm kiếm. SEO chia ra làm hai dạng đó là : SEO truyền thống (White Hat SEO) và SEO gian lận (Black Hat SEO). Theo nhà phân tích Danny Sullivan, cụm từ “Tối ưu hóa công cụ tìm kiếm” sử dụng rất nhiều trên mạng vào năm 1997. SVTH: Nguyễn Tuấn Vũ 5 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Đầu phiên bản của thuật toán tìm kiếm dựa vào quản trị trang web cung cấp thông tin như các thẻ meta từ khoá, hoặc tập tin chỉ mục như ALIWEB. Thẻ meta cung cấp một hướng dẫn đến nội dung của mỗi trang. Sử dụng dữ liệu meta vào các trang chỉ mục được tìm thấy sẽ được ít hơn đáng tin cậy, tuy nhiên, vì những sự lựa chọn của webmastermà các thẻ meta có sự chính xác trong khả năng đưa thông tin website lên máy chủ tìm kiếm. Những dữ liệu không chính xác, không đầy đủ, và không nhất quán trong thẻ meta có thể gây ra sự xếp hạng không đúng vị trí cho các tìm kiếm không liên quan. Việc cung cấp nội dung được tối ưu hóa và một số thuộc tính trong mã nguồn HTML đối với một trang web cần phải chính xác để có được kết quả tốt trên công cụ tìm kiếm. Bằng cách dựa quá nhiều vào các yếu tố như mật độ từ khóa đó được độc quyền trong vòng kiểm soát của một webmaster, công cụ tìm kiếm sớm bị lạm dụng vào thao tác xếp hạng. Để cung cấp kết quả tốt hơn cho người dùng của họ, công cụ tìm kiếm đã phải thích ứng để đảm bảo kết quả của các trang đã cho thấy các kết quả tìm kiếm có liên quan nhất, thay vì các trang không liên quan nhồi với từ khoá nhiều bởi Black Hat SEO – nhóm Webmaster không bao giờ tuân theo các qui định của các bộ máy tìm kiếm, họ luôn lạm dụng quá mức các thủ thuật. Các công cụ tìm kiếm đã phản ứng lại bằng cách phát triển phức tạp hơn thuật toán xếp hạng, có tính đến các yếu tố bổ sung mà gây nhiều khó khăn cho quản trị web để thao tác. SEO tại Việt Nam bắt đầu những nền móng phát triển đầu tiên khoảng vào thời điểm giữa năm 2006. Sau 5 năm, đến nay SEO đã là một khái niệm mà hầu như bất kì một nhà quản trị website nào cũng biết đến và tìm hiểu nó dù ít hay nhiều. Thậm chí, SEO còn được đưa vào hoạt động của công ty như một hướng đi chiến lược với những kế hoạch dài hơi. Điển hình, bạn có thể SVTH: Nguyễn Tuấn Vũ 6 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa dễ dàng nhận ra FPT có bộ phận SEO riêng, Zing có bộ phận SEO riêng, VCCORP cũng có bộ phận traffic riêng, Báo điện tử 24h… Như đã trình bày ở trên, hầu hết người làm SEO chỉ chú ý đến việc là sao để một website Thương mại được lên trang nhất của bộ máy tìm kiếm. Vấn đề đặt ra: có thể áp dụng SEO cho một website phi lợi nhuận, mang tính giáo dục và Cộng đồng không ? Liệu SEO cho một trang web phi thương mại có khả năng thành công không… Chuyên đề đề tài “TÌM HIỂU VÀ ỨNG DỤNG SEO VÀO TRANG WEB TOANCAUMOBILE.VN” là một minh chứng cụ thể nhất cho việc áp dụng phương pháp SEO vào một website phi lợi nhuận, một website bán hàng điện tử điện thoại. 1.3. MỤC TIÊU CẦN ĐẠT ĐƯỢC 1.3.1. Về lý thuyết Sau khi hoàn thành chuyên đề, sinh viên có các kĩ năng sau: Tìm hiểu bộ máy tìm kiếm. Hiểu thế nào là SEO, các biện pháp để tiến hành SEO một trang web. 1.3.2. Về ứng dụng Sau khi áp dụng lý thuyết đạt được vào thực tiễn, sinh viên có được cách để: Đưa website vào top 3 của bộ máy tìm kiếm với từ khóa “điện thoại toàn cầu” Phương pháp duy trì top 10 khi seo đã thành công SVTH: Nguyễn Tuấn Vũ 7 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa CHƯƠNG 2. KHẢO SÁT HIỆN TRẠNG 2.1. Phương pháp nghiên cứu và giải quyết vấn đề Việc đầu tiên trước khi SEO một website đã được định hướng đúng đắn bằng những ý tưởng độc đáo và mã nguồn tốt thì chúng ta phải biết được SEO là gì?Và các phương pháp lựa chọn những thành phần hỗ trợ cho website đó.Một website được SEO tốt khi và chỉ khi w ebmaster có được hiểu biết đúng đắn, tránh rơi vào tình trạng Black Hat SEO. Nhìn chung, quá trình nghiên cứu được phân thành 04 giai đoạn, các giai đoạn này được thực hiện liên tục cho đến khi SEO thành công. Hình 2. : Tổng quan quá trình nghiên cứu và giải quyết vấn đề Bước 1: Xây dựng ý tưởng, lựa chọn mã nguồn, xây dựng website có nội dung riêng biệt, hỗ trợ người dùng tối đa. Bước 2: Bắt đầu phát triển website, song song với việc phát triển cả về nội dung lẫn mã nguồn, tác giả bắt đầu áp dụng các biện pháp để tối ưu hóa website. Bước 3: Thống kê, theo dõi các từ khóa, lượng người truy cập. SVTH: Nguyễn Tuấn Vũ 8 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Bước 4: Theo dõi các báo cáo cụ thể, duy trì công việc hiện tại nếu SEO thành công hoặc sữa chữa khi SEO chưa thành công 2.1.2. Kế hoạch làm việc Tuần Công việc 1 2 Nghiên cứu về Search Engines, cách thức hoạt động, cách thức thu 3 4 Nghiên cứu về SEO, các cách giải quyết vấn đề về SEO. thập thông tin. 5 7 Tối ưu hóa website. 8 Theo dõi, điều chỉnh từ khóa, các nội dung không phù hợp 9 Viết báo cáo. 10 Hoàn thành. 2.2. Bố cục Chương 1: Tổng quan. Tại chương này, tác giả sẽ đề cập đến các khái niệm cơ bản về SEO, các hiểu biết ban đầu về SEO. Cũng trong chương này, tác giả giới thiệu đề tài chuyên đề là: “Tìm hiểu và ứng dụng SEO Search Engine Optimization vào website ToanCauMobile.vn” – Một website bán hàng điện tử:điện thoại,phụ kiện,âm thanh. Đây là một hướng đi mới khi làm SEO. Qua chương 1, tác giả giới thiệu toàn cảnh về đề tài.Cách thức nghiên cứu, tiếp cận đề tài và các mục tiêu đạt được khi hoàn thành tốt chuyên đề. Chương 2: Cơ sở lý thuyết. Về cơ sở lý thuyết, tác giả tìm hiểu cách thức làm việc chung của các bộ máy tìm kiếm, các cách thức thu thập thông tin, cách thức để một bộ máy tìm kiếm có thể thấy được trang web. SVTH: Nguyễn Tuấn Vũ 9 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Trong chương này, tác giả cũng giới thiệu về hai phương thức đánh giá thứ hạng của website là Alexa và GoogleRank, hai phương thức này đã và đang là thước đo quan trọng trong việc phát triển trang web. Cũng trong chương này, tác giả giới thiệu SEO, giúp cho người đọc có cái nhìn rõ ràng hơn về SEO. Chương 3: Ứng dụng. Sau khi đã tìm hiểu và nắm rõ các phương thức tìm kiếm, các tiêu chí đánh giá xếp hạng tại Chương 2, tác giả áp dụng những hiểu biết trên cơ sở lý thuyết đó để bắt đầu SEO trang web ToanCauMobile.vn. Vì vậy, ở chương này, chúng ta sẽ nghiên cứu các phương pháp cơ bản nhất, chính qui nhất để có thể tối ưu hóa một website, nhằm đưa website lên các thứ hạng cao khi người dùng truy vấn. Sau khi đã áp dụng các phương pháp cơ bản và chính qui, tác giả sẽ thống kê các số liệu và so sánh lúc chưa áp dụng SEO và sau khi áp dụng SEO. Một số phương pháp, kĩ năng mềm mà tác giả đã áp dụng để SEO thành công trang web Chương 4: Kết luận – hướng phát triển. Nội dung của chương 4 sẽ là tổng hợp kết quả các công việc đã làm ở các chương trước. Các kết quả đã đạt được sau khi hoàn thành luận văn. Những nhược điểm của SEO. Hướng phát triển, đề xuất các phương pháp đễ giữ các vị trí cao khi SEO thành công, cũng như cách thức quảng bá website để có thể thu lợi nhuận, tự nuôi sống website. SVTH: Nguyễn Tuấn Vũ 10 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa CHƯƠNG 3. CỞ SỞ LÝ THUYẾT 3.1. TỔNG QUAN BỘ MÁY TÌM KIẾM 3.1.1. Bộ máy tìm kiếm hoạt động như thế nào? Search Engine hay còn gọi là công cụ tìm kiếm, bộ máy tìm kiếm giúp người xem tìm thấy những thông tin một cách liên quan nhất. Người dùng có thể tìm kiếm thông tin theo từ khoá, hình ảnh, địa điểm… trên search engine. Khi nhận được câu lệnh yêu cầu tìm kiếm, search engine sẽ phân tích yêu cầu đó, đánh giá, xếp hạng và trả về kết quả liên quan nhất. Search engine hoạt động theo quy trình như sau : Ban đầu, SE sẽ gửi các Spider (hay còn gọi là con bọ, Crawler) để tiến hành khảo sát một website khi nó được upload lên. Các Spider này được lập trình để có thể tự động lần theo liên kết để đi đến các website khác nhau, sau khi dừng lại ở một website nào đó, Spider này sẽ thu thập, đánh giá các thông tin trên website đó trước khi tự động lần theo các liên kết đến các website khác… Sau khi nhận được các thông tin từ Spider, SE có nhiệm vụ lưu trữ lại trước khi phân tích chúng bằng các thuật toán riêng biệt để trả về các kết quả khi người dùng truy vấn đúng vào nội dung. Ta có thể tham khảo cách thức làm việc chung của SE tại hình dưới đây: SVTH: Nguyễn Tuấn Vũ 11 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Hình 3. : Tổng quan cách thức là, việc của bộ máy tìm kiếm Trong đó: Khảo sát – Crawl: là một giai đoạn rất quan trọng để search engine tham quan, thu thập thông tin trên website của bạn. Search engine có những con bọ (spider hay crawler) được lập trình để có thể tự động theo các liên kết (link) để mò đến các website khác nhau, thu thập và đánh giá các thông tin trên website đó. Lưu trữ Index: là giai đoạn search engine lưu lại thông tin sau khi đã crawl. Với khối lượng lưu trữ vô hạn, các search engine có thể chứa hàng tỉ kết quả liên quan. Một trang web có thể được index nhanhn hoặc chậm tuỳ thuộc vào tốc độ crawl, độ trust của website và nhiều yếu tố khác. Phân tích – Analysis: giai đoạn này search engine sẽ làm việc trên các dữ liệu mà nó thu thập được. Sau đó tính toán độ liên quan của dữ liệu so với yêu cầu của người dùng. Các search engine khác nhau có những thuật toán phân tích khác nhau từ đây tạo ra sự khác biệt giữa các search engine. Giai đoạn phân tích sẽ tạo tiền đề cho giai đoạn phía sau – Trả về kết quả. Kết quả Results: Các kết quả liên quan sẽ được hiển thị trong giai đoạn này. Những kết quả liên quan thường được sắp ở phía trên, cao hơn những SVTH: Nguyễn Tuấn Vũ 12 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa kết quả ít liên quan.Mặc dù không phải lúc nào các kết quả cũng thoả mãn được yêu cầu của người tìm kiếm.Nhưng cho đến hiện nay, người dùng khá hài lòng với những gì mà search engine trả về. Tuy bức tranh hoạt động của search engine bên ngoài nhìn chung khá đơn giản nhưng bên trong là tập hợp rất nhiều thuật toán phức tạp. Search engine nào thoả mãn nhiều nhất nhu cầu tìm kiếm người sử dụng sẽ được sử dụng rộng rãi và phát triển mạnh mẽ trong tương lai. Ai là vua trong thị trường tìm kiếm trực tuyến đầy tiềm năng này? SVTH: Nguyễn Tuấn Vũ 13 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa 3.1.2. Giới thiệu về các search engine thông dụng Hiện nay trên thế giới có rất nhiều search engine đang hoạt động. Trong đó, phải kể đến ba chàng khổng lồ đang chi phối 98% thị phần tìm kiếmtheo thông kê của SEO MOD tháng 01/2014. Hình 3. : Biểu đồ thị phần search engine từ seomoz.org Google là search engine được nhiều người sử dụng nhất với 80% số người sử dụng. Tiếp theo là Yahoo 9.5% và Bing 8.5%, còn lại số phần trăm ít ỏi dành cho các search engine khác. Hiện nay, ở Việt Nam đa số mọi người cũng sử dụng Google để tìm kiếm thông tin.Nên việc SEO trên Google là ưu tiên hàng đầu đối với các website. 3.2. CẤU TẠO CHUNG CÁC BỘ MÁY TÌM KIẾM Bộ máy tìm kiếm thường cấu tạo bởi 3 bộ phận đó là: Bộ thu thập thông tin, Bộ lập chỉ mục và bộ tìm kiếm thông tin, được hoạt động theo mô hình sau: SVTH: Nguyễn Tuấn Vũ 14 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Hình 3. : Cấu tạo Search Engine Robot – bộ thu thập thông tin: Robot được biết đến dưới nhiều tên gọi khác nhau: spider, bot, crawler, hoặc web worm…Về bản chất robot chỉ là một chương trình duyệt và thu thập thông tin từ các website trên mạng, nó tự động duyệt qua các cấu trúc siêu liên kết và trả về các danh mục kết quả của công cụ tìm kiếm. Những trình duyệt thông thường không được xem là robot do thiếu tính chủ động, chúng chỉ duyệt web khi có sự tác động của con người. Index – bộ lập chỉ mục: Các trang web sau khi thu thập về sẽ được phân tích, trích chọn những thông tin cần thiết (thường là các từ đơn, từ ghép, cụm từ quan trọng) để lưu trữ trong cơ sở dữ liệu nhằm phục vụ cho nhu cầu tìm kiếm sau này. Search Engine – Bộ tìm kiếm thông tin: Tưởng tượng ta muốn tìm vài quyển sách trong một thư viện rất lớn. Với sức lực cá nhân ta không thể xem qua hết tất cả sách, vì vậy ta cần một danh mục sách. Tương tự, tồn tại hàng triệu trang web trên thế giới và mỗi phút trôi qua số lượng được đẩy lên càng nhiều hơn, cho dù ta có trong tay một công cụ lướt web tuyệt vời đến đâu cũng không thể duyệt hết. Tuy nhiên, với sự trợ giúp của SE, ta có thể thậm chí xác định được vị trí của những từ cần tìm trong các trang web khắp nơi trên thế giới. SVTH: Nguyễn Tuấn Vũ 15 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa 3.2.1. Robot Robot được chia làm 2 loại đó là: Robot thu thập thông tin, và robot chỉ mục. 3.2.1.1. Robot thu thập thông tin có nhiệm vụ Phân tích – thống kê Statistical Analysis: Robot đầu tiên được dùng để đếm số lượng web server, số tài liệu trung bình của một server, tỉ lệ các dạng file khác nhau, kích thước trung bình của một trang web,độ kết dính… Duy trì siêu liên kết – Maintenance: Một trong những khó khăn của việc duy trì một siêu liên kết là nó liên kết với những trang bị hỏng (dead links) khi những trang này bị thay đổi hoặc thậm chí bị xóa. Thật không may vẫn chưa có cơ chế nào cảnh báo các bộ duy trì về sự thay đổi này. Trên thực tế khi các tác giả nhận ra tài liệu của mình chứa những liên kết hỏng, họ sẽ thông báo cho nhau, hoặc thỉnh thoảng độc giả thông báo cho họ bằng email. Một số robot có thể trợ giúp tác giả phát hiện các liên kết hỏng cũng như duy trì các cấu trúc siêu liên kết cùng nội dung của một trang web. Chức năng này lặp lại liên tục mỗi khi một tài liệu được cập nhật, nhờ đó mọi vấn đề xảy ra sẽ được giải quyết nhanh chóng. Ánh xạ địa chỉ web – Mirroring: Mirroring: là một kỹ thuật phổ biến trong việc duy trì các kho dữ liệu. Một ánh xạ (mirror) sẽ sao chép toàn bộ cấu trúc cây thư mục và thường xuyên cập nhật những file bị thay đổi. Điều này cho phép nhiều người cùng truy xuất một nguồn dữ liệu, giảm số liên kết bị thất bại, nhanh hơn và ít chi phí hơn so với truy cập trực tiếp vào site thực sự chứa các dữ liệu này. Phát hiện tài nguyên: Có lẽ ứng dụng thú vị nhất của robot là dùng nó để phát hiện tài nguyên. Con người không thể kiểm soát nổi một khối lượng thông tin khổng lồ trong môi trường mạng. Robot sẽ giúp thu thập tài liệu, tạo và SVTH: Nguyễn Tuấn Vũ 16 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa duy trì cơ sở dữ liệu, phát hiện và xoá bỏ các liên kết hỏng nếu có, kết hợp với công cụ tìm kiếm cung cấp thông tin cần thiết cho con người. Kết hợp các công dụng trên Combined uses: Một robot có thể đảm nhận nhiều chức năng như: vừa thống kê số lượng tài liệu thu được vừa tạo cơ sở dữ liệu…. Tuy nhiên những ứng dụng như thế còn khá ít ỏi. 3.2.1.2. Robot chỉ mục – Robot Indexing Trong quá trình thu thập thông tin phục vụ cho việc lập chỉ mục , ta cần giải quyết vấn đề sau: Trong môi trường mạng,robot lấy thông tin từ các site.Vậy robot sẽ bắt đầu từ site nào? Điều này hoàn toàn phụ thuộc vào robot.Mỗi robot khác nhau có những chiến lược khác nhau.Thường thì robot sẽ viếng thăm các site phổ biến hoặc những site có nhiều liên kết dẫn đến nó. Ai sẽ cung cấp địa chỉ của các site này cho robot ?Có 2 nguồn; Một là Robot nhận các URL ban đầu từ user.Hai là Robot phân tích các trang web để lấy các URL mới, đến lượt các URL này trở thành địa chỉ đầu vào cho robot.Quá trình này được lặp lại liên tục. Chọn dữ liệu nào trong tài liệu để lập chỉ mục? Quyết định chọn dữ liệu nào trong tài liệu cũng hoàn toàn phụ thuộc vào robot, thường thì những từ được liệt kê như sau được xem là quan trọng : Ở góc cao của tài liệu. Trong các đề mục. Được in đậm. Trong URLTrong tiêu đề (quan trọng). Trong phần miêu tả trang web (Description) . Trong các thẻ dành cho hình ảnh (ALT). SVTH: Nguyễn Tuấn Vũ 17 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Trong các thẻ chứa từ khóa. Trong các text liên kết. Một số robot lập chỉ mục trên tiêu đề, hoặc một số đoạn văn bản đầu tiên hoặc toàn bộ tài liệu (full text). Một số khác lại lập chỉ mục trên các thẻ META(META tags) hoặc các thẻ ẩn, nhờ vậy tác giả của trang web được quyền ấn định từ khoá cho tài liệu của mình. Tuy nhiên chức năng này bị lạm dụng quá nhiều do đó các thẻ META không còn giữ được giá trị ban đầu của chúng nữa (Black Hat SEO). SVTH: Nguyễn Tuấn Vũ 18 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa 3.2.2. Index – bộ lập chỉ mục 3.2.2.1. Mô hình xử lý tổng quát của một hệ thống lập chỉ mục Hình 3. : Mô hình xử lý tổng quát hệ thống lập chỉ mục Lập chỉ mục là quá trình phân tích và xác định các từ, cụm từ thích hợp cốt lõi có khả năng đại diện cho nội dung của tài liệu.Như vậy, vấn đề đặt ra là phải rút trích ra những thông tin chính, có khả năng đại diện cho nội dung của tài liệu. Thông tin này phải “vừa đủ”, nghĩa là không thiếu để trả ra kết quả đầy đủ so với nhu cầu tìm kiếm, nhưng cũng phải không dư để giảm chi phí lưu trữ và chi phí tìm kiếm và để loại bỏ kết quả dư thừa không phù hợp. Việc rút trích này chính là việc lập chỉ mục trên tài liệu. Trước đây, quá trình này thường được các chuyên viên đã qua đào tạo thực hiện một cách “thủ công “ nên có độ chính xác cao. Nhưng trong môi trường hiện đại ngày nay, với lượng thông tin khổng lồ thì việc lập chỉ mục bằng tay không còn phù hợp, phương pháp lập chỉ mục tự động mang lại hiệu quả cao hơn. SVTH: Nguyễn Tuấn Vũ 19 Lớp: K46 TMĐT
Chuyên đề tốt nghiệp Đại học GVHD: Th.S Lê Văn Hòa Một thủ tục lập chỉ mục tự động cơ bản: Step of tokenization: Tách văn bản ra thành các chuỗi nhờ vào khoảng trắng, mỗi chuỗi xem như là một từ. Step of removal of stop words: bỏ những từ thường xuyên xuất hiện trong hầu hết các tài liệu nhưng lại không quan trọng trong các tài liệu như tính từ, đại từ. Step of stemming: loại bỏ các hậu tố (Suffixes) để đưa về các từ gốc. Các từ thu được sẽ được lập chỉ mục. Tuy nhiên hai bước đầu cũng cần cho quá trình lập chỉ mục cho các tài liệu tiếng Việt, bước thứ ba không cần vì tiếng Việt thuộc dòng ngôn ngữ đơn thể 3.2.2.2. Phương pháp lập chỉ mục Phương pháp lập chỉ mục gồm hai phần chính yếu sau: Đầu tiên là xác định các mục từ, khái niệm mà có khả năng đại diện cho văn bản sẽ được lưu trữ (bao gồm cả việc tách từ, loại bỏ stopword, xử lý hậu tố…) Thứ hai là xác định trọng số cho từng mục từ, trọng số này là giá trị phản ánh tầm quan trọng của mục từ đó trong văn bản. 3.2.2.2.1. Xác định mục từ quan trọng cần lập chỉ mục Mục từ hay còn gọi là mục từ chỉ mục, là đơn vị cơ sở cho quá trình lập chỉ mục. Mục từ có thể là từ đơn, từ phức hay một tổ hợp từ có nghĩa trong một ngữ cảnh cụ thể. Ta xác định mục từ của 1 văn bản dựa vào chính nội dung của văn bản đó, hoặc dựa vào tiêu đề hoặc tóm tắt nội dung của văn bản đó. Hầu hết việc lập chỉ mục tự động bắt đầu với việc khảo sát tần số xuất hiện của từng loại từ riêng rẽ trong văn bản. Nếu tất cả các từ xuất hiên trong tập tài liêu với những tần số băng nhau, thì không thể phân biệt các SVTH: Nguyễn Tuấn Vũ 20 Lớp: K46 TMĐT

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.01: Bộ Luận Văn Thạc Sĩ Quản Trị Kinh Doanh MBA

165 tài liệu

2069 lượt tải

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.