[宅度計] 單一關鍵字的宅度榜

當然計算出一個部落格的宅度不是問題, 然後反向就是來看單一關鍵字的宅度了, 在這邊寫了兩種觀察的方法....

1. 關鍵榜: 計算這個部落格對這關鍵字的次數, 以及這關鍵字的比重.
2. 專業榜: 若這個關鍵字在這部落格在這項目是最高的關鍵字, 其值的比較.

當然很明顯的關鍵榜數目一定較多, 因為只要提到就算, 而專業榜必須要這個關鍵字是這個部落格分類的最強關鍵字才會算在內...

只是這些關鍵字是必須在部觀門的 4000 個觀察的關鍵字才會記錄到, 不然就太發散了, 在這邊舉個 "宅度計" 的例子好了...

名次	名稱	度數	次數
1	來看部觀門	215	33
2	黑貘來說	149	14
3	工程師級的顧問 / 【食夢黑貘】	135	13
4	Shih-Hsien’s BLOG	122	9
5	二十根貓鬍鬚 - 天空部落	120	7
6	下班後的世界	95	4
7	日光的城堡 - yam天空部落	95	4
8	慢很多拍的第一棒開路先鋒	94	5
9	苦悶中年男的情緒出口	92	5
10	alienwoo	90	5

上面是 "宅度計" 的關鍵榜前十名, 排序是以 "關鍵度數" 來排, 也就是次數經過關鍵字總數與個數的正規化 ( Normalization) 出來的 而非單純的次數....

而現在只要看到這個圖, 按下去就是了, 或者是一堆關鍵字列表的話就不會顯示這個圖, 這個圖也是由 風痕影 畫的, 他在這部份幫忙不少~~~

有人說我的部落格文章太多表格了, 但畢竟有時表格是最好的舉例, 請不想看的人多包含~~~

[宅度計] 關係榜上線

在之前寫完配對度與麻吉度的時候, 就想說寫一個更精確比對關鍵字交集率的系統, 也就是完整的關鍵字的關連度分析 (Relation Analysis), 這才是真正屬於 Data Mining 教科書上有的演算法...

經過一個多星期得資料搜集, 已經有 1 萬 5 千個部落格有資料了, 那就來計算吧, 而這次命名為關係榜, 算的就是關鍵字的交集度, 下面就是列出這個部落格的前 10 名..

名次	名稱	關係度	絕對宅度	相同關鍵字
1	喲哪桑的軟體習作簿	10.15	66.33%	軟體, 防毒, 部落格, web, 英文, 防毒軟體, 部落格觀察, 時間, 高鐵, 台灣, 文章, 林志玲, 科技, 設計, 廣告, 貼紙, 攝影, 王建民, 手機, 掃毒,
2	涕泗泉 - Yam 樂多日誌	8.55	27.89%	部落格, 無名, 台灣, 無名小站, 王建民, 貼圖, 文章, 廣告, 台北, 時間, 人生, 崇拜, 爆笑, 辣妹, 桃園, 電影, 棒球, 減肥, 論壇, 甜甜圈,
3	Mr. 6 - 趨勢．創業．投資．策進	8.47	29.72%	2008 , 生活, 日記, 乾物女, 王建民, 照片, 部落格, 文章, 微軟, 台北, 台灣, 誠品, 美女, 日本, 人生, 軟體, 投資, 母親節, 禮物, 天空,
4	CCB 2.0 (beta)	8.09	44.84%	排骨, 賺錢, 音樂, 生活, 免費, 冰淇淋, 漢堡, 台灣, 科技, 下載, 照片, 遊戲, 同志, 客人, 緬甸, 手工, twitter, 左腦, 天堂, 奶茶,
5	白文咪咪與小鸚KIKI-天空部落	7.91	65.67%	語法, 外掛, 部落格, 草莓, 王建民, 時鐘, 2008 , 小玩意, 咖啡, 無名, 文章, 日本, 棒球, 天空, 遊戲, 減肥, 貼紙, 中華隊, 水果, 幸福,
6	豬言豬語	7.46	68.10%	英文, 台灣, 時間, 洪小玲, 遊戲, 台北, 香港, 軟體, 生活, 網頁, 文章, 設計, 不可以, 改機, 廣告, 空姐, 颱風, gadget, 手機, 微軟,
7	GOOD VISUAL SYSTEM	7.33	0.00%	音樂, 2008 , 文章, 情色, 刺青, no, 英國, 電影, 結婚, 正妹, 生活, 新年快樂, 電子書, 遊戲, 桌布, 時間, 背景, 無名, 符號, 新年,
8	amarylliss。艾瑪[隨處走走] -	7.17	64.09%	餐廳, 咖啡, 2008 , 時間, 心得, 文章, 飯店, 生活, 照片, 電影, 部落格, 歐洲, 旅行, 殺人網站, 辣妹, 秘密, 無名, 台灣, 設定, 禮物,
9	Dorcas ∞ ドルカス -	7.05	40.29%	2008 , 婚禮, 淡水, 台北, 電影, 捷克, 交響情人夢, 音樂, 秘密, 東京, 不能說的秘密, 時間, 台灣, 下午茶, 免費, 淡水天元宮, 日劇, 天元宮, 生活, 結婚,
10	愛麗絲夢遊部落格仙境	7.05	47.26%	生日, 時間, 生活, 手工, 韓國, 團購, 女人, 台灣, 無名小站, 攝影, 無名, 免費, 禮物, 50嵐, 設定, 咖啡, 空間, 火鍋, 日本, 燦爛千陽,
11	橘子也有部落格	6.91	35.17%
12	聰明的投資者	6.41	53.26%
13	Gea-Suan Lin’s BLOG	5.99	0.00%
14	黃小黛‧IS LIFE.blog	5.96	41.76%
15	Aspirant à la Liberté -	5.91	24.58%
16	電影‧人生‧夢 -	5.86	37.02%
17	圈圈's部落格 - Yam 樂多日誌	5.83	27.65%
18	晚安! 203室	5.56	36.24%
19	艾倫‧卡洛特	5.55	40.07%
20	the Utopia - Yam 樂多日誌	5.48	21.33%
21	Shary的如新生活 - Yam 樂多日誌	5.46	46.23%
22	紅色★妮可	5.37	39.45%
23	XXC@Blog	5.27	31.48%
24	紅色長角三倍速	5.20	59.40%
25	AK's Living - Yahoo!奇摩部落格	4.79	0.00%
26	放屁(Fun&Peace)	4.70	39.13%
27	HOW’s SketchBook	4.68	109.02%
28	Blog.XDite.net	4.61	54.99%
29	Hi! I’m clsung	4.61	56.54%
30	NBN - Nothing But Net	4.54	43.20%

當然除了列名次之外, 最重要的是這兩個部落格交集了那些關鍵字, 這邊只列出前 20 個關鍵字, 事實上是有照次序的, 但只是是列出關係的部落格的次序, 並沒有兩個加總~~~

只是這個關係代表的是甚麼, 是可以解釋為關心的議題的距離差異, 當然分數越高就越接近, 只是不只跟這兩個部落格的關鍵字的交集數有關, 也有做比例的調整 (Normalization), 希望可信度或意義度有出來....

這個關係在未來大概只會一個星期更新一次, 畢竟這變化沒那麼大, 且算一次也是須要一定的資源的~~

[宅度計] 汽機車的類別修改定義

原本汽機車的分類是有包含腳踏車與自行車類別的, 但後來發現前 10 名都是腳踏車與自行車, 反倒都是沒有汽機車的部落格...

名次	部落格	宅度	關鍵字
1	歡樂休憩站	16.7 度	腳踏車
2	爆米花	12.8 度	單車
3	arthur@tp	12.7 度	單車
4	Jing's Blog	11.5 度	單車
5	EMBA 旅遊 攝影 GAME 理�	11.4 度	腳踏車
6	N/A	11.3 度	自行車
7	存取禁止	11.2 度	自行車
8	www.單車.伶~~^^	10.7 度	單車
9	¤ ☼ Ⓑ Ⓘ Ⓡ Ⓓ	10.7 度	單車
10	Traveling Fred in New Zealand	10.6 度	單車

在前 100 名中只有 4 個勉強擠進去..

13

留學、機票、遊學：波

9.7 度

Mitsubishi

21

耀輝的旅行與攝影筆記

8.1 度

台北車展

33

Hsiang 跑車部落格

7.3 度

日內瓦車展

94

台北，有時一個人�

5.3 度

日內瓦車展

結果預期的汽機車都不見了, 所以在這類別刻意排除腳踏車與自行車相關的, 以後再獨立一個分類吧...

宅度計又是一個 SEO 檢核系統?

事實上我都會私底下講, 部落格觀察用得是在圖書館學中的三種觀點的 "Content", "Meta" 與 "Usage" 的 Usage, 只是這使用比較是篇機器的, 也就是搜尋引擎, 除了 "重視度" 以外, 但到最後變成是一個 "類 SEO" 檢核工具, 雖然說我是在做之前就知道, 但也是盡量保持低調的不去說~~~

而宅度計最有趣的是, 可以知道這個部落的屬性, 這也是當時在做這系統的目標之一, 但最近因為時間慢慢的推移, 不少人使用後發現所謂的前 30 名的部落格, 除了是系統因素外, 似乎都是做 SEO 或刻意去玩關鍵字的...

我常說, SEO 與 anti-SEO 之間得差別, 就是在於有沒有重視內容, 或者是否真的是為了 "人讀" 去寫的, 還是只是為了 Search Engine 來設計的 "機讀" 網站, 以及之間的比重~~~~ 當然之前的舉例剛好是最好的例證, 但最近也看到一堆賣房子的, 就是介於之間了...

所子在宅度計的計算中, 也梢微修改了一下, 讓這種狀況減緩些, 但也是在不影響計算下做些像 "Normalization" 的事, 雖然這個 "正規化" 的工作可能還要再一陣慢慢才會真的有最後的結果, 但這也是 Data Mining 資料探勘最有趣的地方, 理論是理論, 實務是實務, 如何做出一個真的可以用的系統也不是那麼簡單~~~~

反倒是這個部落格的宅度也是因為這樣的調整一直往下降, 真慘...

日期	絕對宅度	最主要關鍵字
2008-05-03	182.63	53.3 富達新興市場基金
2008-04-28	187.19	42.4 三芝飛碟屋
2008-04-21	293.55	42.4 三芝飛碟屋
2008-04-14	332.51	47.2 帕華洛帝
2008-04-07	371.87	51.3 新竹薇閣汽車旅館
2008-03-30	370.95	49.4 新竹薇閣汽車旅館
2008-03-27	363.85	52.5 林東芳牛肉麵

當然為了 SEO 或這個宅度去改變自己寫作的內容才是最無聊的, 畢竟表現出更多的自己且沒有太多偏差是不容易, 若還要去想東想西的話就真的不是好事, 當然這些話是在 SEO 的人中是句無聊的話, 尤其在我的口中說除來更沒有說服力, 呵呵~~~

[宅度計] 絕對宅度的計算方式修改

在 超準確真實? 部落格宅度計!!! (前言) 這篇文章有說到四點:

1. 符合數量越多時, 自然是更高, 但不能成線性正比
2. 當一個關鍵字的字串長度越長時, 越難相符, 自然更顯著些
3. 一個關鍵字在所有的部落格量的比重也是要參考 (目前尚未寫入)
4. RSS 的篇數與長度也會影響計算的量 (目前尚未寫入)

但當時第三點與第四點是尚未寫入, 但當天晚上就改好了, 但這次又加入兩點:

5. 第四點的篇數當時不夠完整, 現在再度加強
6. 對於 keyword bomb 做了點個數的修正, 尤其是關鍵字出現的次數與比率~~

當然我知道 Data Mining 這種事最麻煩的是事後的 Tuning 到更精確, 因為資料的不定性太大了, 這部份的修改也是希望讓數值更貼近現實, 雖然這工作還有一大段路要走, 這包含資料的完整性~~~

我當然知道這個 "超準確" 是不可能的, 也只是要區分跟一些 "亂數" 所做出來的產生器做區別罷了, 倒不是說真的要做到甚麼準確, 而是真的有參考價值就夠了, 所以請以認真但不嚴肅的方式來看吧~~~~

[宅度計] 新的第一名~~~

剛剛看到第一名突然跳出來, 害我嚇一跳是否程式出錯, 原來有人在自己的部落格把所有的關鍵字寫出來, 自然在宅度計的關鍵字計數就跳得很高分..

人名團體宅 23.5% 極度宅!!!! 電視電影宅 20.3% 極度宅!!!! 時事話題宅 14.3% 極度宅!!!! 旅遊地名宅 13.0% 極度宅!!!! 美食店家宅 11.3% 極度宅!!!! 動漫遊戲宅 9.5% 極度宅!!!! 網站軟體宅 5.1% 極度宅!!!! 廠商產品宅 3.0% 相當宅!!! 這部落格最宅關鍵字: 佐藤江梨花 絕對宅度:1203% 追加 AV女男優 宅度: 296.6分 極度宅!!!! (關鍵字: 佐藤江梨花) 追加 3C商品類 宅度: 35.0分 相當宅!!! (關鍵字: 魚眼相機) 追加 攝影類別 宅度: 29.4分 相當宅!!! (關鍵字: 魚眼相機) 追加 音樂類 宅度: 331.8分 極度宅!!!! (關鍵字: 揮著翅膀的女孩) 追加 運動類 宅度: 264.6分 極度宅!!!! (關鍵字: 2007世界盃棒球賽) 追加 電影類 宅度: 299.8分 極度宅!!!! (關鍵字: 倒數第二個男朋友) 追加 政經社會 宅度: 321.7分 極度宅!!!! (關鍵字: 富達新興市場基金) 追加 日劇通 宅度: 290.2分 極度宅!!!! (關鍵字: 花樣少年少女) 追加 韓劇通 宅度: 192.7分 極度宅!!!! (關鍵字: 咖啡王子一號店) 追加 舞蹈 宅度: 12.8分 普通宅!! (關鍵字: 肚皮舞衣) 追加 閱讀文學 宅度: 7.0分 有點宅! (關鍵字: 北投圖書館) 追加 星座命理 宅度: 12.8分 普通宅!! (關鍵字: 2008星座運勢) 追加 汽機車 宅度: 24.1分 相當宅!!! (關鍵字: 腳踏車)

其原文是: http://blog.pixnet.net/pomelo013006/post/16980720

當然這樣的狀況我個人不給予任何的 "價值評斷", 可取不可取這個只是在於心念, 讓我想到最近也提到宅度計的一篇文章, 給 吳同學 的一封信, 由 Cyber Runner 寫的, 其中說到: 威權與權威, 創意與惡作劇, 規則與例外等等的問題, 雖然這情形有不一樣, 但也有大同小異, ...

對我而言, 我為甚麼會顯示上面的關鍵字, 事實上是有意義的, 這個在 "Debug" and "Verify" 很重要的事, 那是另一件事了...

[部觀門] 被攻擊

許久沒被攻擊了, 但或許也不見得是攻擊, 也許是來砍站, 但能夠同時用三組 Class C 來砍也是不得了的人物了~~~

但剛好那台機器前面沒防火牆, 也不想動用到 apache, 所以直接給 Reject 掉, 加了三行指令:

if(strstr($ip, "121.14.96.")) Die("Reject!");
if(strstr($ip, "58.60.14.")) Die("Reject!");
if(strstr($ip, "58.60.13.")) Die("Reject!");

讓我花了快一小時才解決, 真傷腦筋~~~

[後記] 後來發現當時把 Door 的資料搜集停下來, 降低 Loading, 但造成 2:00 ~ 16:00 這 14 小時沒有新資料更新, 大約是一天一半的資料, 真是大損失阿~~~~