接下来我们去除一些非目标词：

在返回的词汇里，我们可能会碰到“怎么”这样的词汇，类似“好像”这样的词虽然也不是目标，但是因为它在长尾词数据里的词频太低，一般不会被程序当成“可能的词汇”，至少没办法排在返回的数据里的top。

可是“怎么”这样的词汇是很有可能出现的，因为词频太高了，而我们显然不打算注册一个名称为“seo怎么”的公众号，因此这些词要去除。

下面是常见要去除的目标词，一般可以解决掉7788：

小部分不理会，我们只是尽可能的减少无效目标。

这个步骤在上述工具里可以事先设置，只是这里需要讲一下这个步骤。

步骤5

去除了无效词，接下来要组合出大词，也就是“seo”这个领域里出现“优化”，我们要把“seo”和“优化”组合起来形成组合大词。

新词算法根据提供的数据计算，它有可能直接计算出“seo优化”这样一个组合词(如果这个组合在数据里出现足够多的频率)。

因此我们需要挨个判断一下：如果seo这个领域返回的某个词有包含seo，那就不需要组合了，它一定是个常见组合词，反之，需要把“seo”组合进去。

但是这又会有个问题：当它出现“优化”这个词时，到底要让程序把“seo”放前面还是放后面呢？

人工显然知道放哪里，但这是程序自动执行的，需要给它判断条件才行，否则就可能会组合出“优化seo”，要是碰到“书籍”，出现“英语”，然后组合出“书籍英语”，这就很尴尬了。

行业不同，很多表述千奇百怪，一味放前或放后都不行，需要灵活判断。

在这里我们运用一个简单的策略，基本可以做到万无一失：

我们分别把“seo”放到前面和后面，会得到“seo优化”和“优化seo”，然后把这两个组合词拿到原始数据里统计词频。

看看哪一个组合词的词频高，词频高代表“这个描述更常见”，取词频高的那一种作为组合结果。

同时，因为“优化”这个词是来源于seo里的高频词汇，与“seo”组合并经过词频比较，得出来的组合词一定是通顺自然的。

运用这种方式就不可能得到“书籍英语”这样的结果，毕竟在一份正常的行业内容数据里，“英语书籍”这个文本怎么都会比“书籍英语”来得更常见。查站网