【ブログ記事メンテナンス自動化講座】第3回関連記事への内部リンクを自動提案するロジックを実装する

※本記事にはPR（アフィリエイト広告）が含まれています。

こんにちは！「ブログ記事メンテナンス自動化講座」第3回へようこそ。

前回（第2回）では、既存記事のコンテンツを解析して「古くなった情報」や「更新が必要な箇所」を検出する仕組みについて解説しました。今回はその続編として、関連記事への内部リンクを自動で提案するロジックを実装していきます。

内部リンクはSEOにおいてもユーザー体験においても非常に重要な要素ですが、記事数が増えてくると「どの記事とどの記事をリンクすべきか」を人力で判断するのは大変な作業になります。この記事では、初心者の方でも理解できるように、基本的な考え方から実装の流れまでを順を追って解説します。

内部リンク自動提案とは何か？なぜ必要なのか
1. 内部リンクがもたらすメリット
2. 手動運用の限界
関連記事を判定するロジックの設計
実装してみよう：Pythonによるサンプルコード
運用時の注意点と改善のポイント
まとめ

内部リンク自動提案とは何か？なぜ必要なのか

内部リンク自動提案とは、ブログ内の記事同士の関連性を分析し、「この記事にはこの記事へのリンクを貼ると良いですよ」という候補を自動的に算出する仕組みのことです。

内部リンクがもたらすメリット

読者が関連情報にアクセスしやすくなり、滞在時間が伸びる
検索エンジンがサイト構造を理解しやすくなり、SEO評価が向上しやすい
孤立した記事（どこからもリンクされていない記事）を減らせる

手動運用の限界

記事数が10本程度であれば手動でも管理できますが、100本、200本と増えてくると、関連性を正確に把握すること自体が困難になります。そこで「過去記事も含めて機械的に関連度を計算し、リンク候補をリストアップする」仕組みが必要になるのです。

実装してみよう：Pythonによるサンプルコード

ここでは、Pythonとscikit-learnを使って、シンプルな関連記事提案ロジックを実装する例を紹介します。

ステップ1：記事データの準備

まずは記事のタイトルと本文をリストとして用意します。実際の運用ではデータベースやCMSから取得する形になるでしょう。

articles = [
    {"id": 1, "title": "SEO基礎講座", "content": "SEOの基本について解説します。タイトルタグや見出しの使い方が重要です。"},
    {"id": 2, "title": "見出しタグの使い方", "content": "h1やh2タグの正しい使い方について詳しく説明します。"},
    {"id": 3, "title": "画像の最適化方法", "content": "画像の圧縮やalt属性の設定方法について解説します。"},
]

ステップ2：TF-IDFベクトルの作成

scikit-learnのTfidfVectorizerを使って、各記事の本文をベクトル化します。

from sklearn.feature_extraction.text import TfidfVectorizer

contents = [a["content"] for a in articles]
vectorizer = TfidfVectorizer()
tfidf_matrix = vectorizer.fit_transform(contents)

ステップ3：コサイン類似度の計算

記事同士の類似度を計算し、行列として取得します。

from sklearn.metrics.pairwise import cosine_similarity

similarity_matrix = cosine_similarity(tfidf_matrix)
print(similarity_matrix)

ステップ4：関連記事候補の抽出

特定の記事に対して、類似度が高い順に関連記事を抽出するロジックを実装します。

def get_related_articles(article_id, top_n=3):
    idx = next(i for i, a in enumerate(articles) if a["id"] == article_id)
    scores = list(enumerate(similarity_matrix[idx]))
    # 自分自身を除外してスコア順にソート
    scores = [s for s in scores if s[0] != idx]
    scores.sort(key=lambda x: x[1], reverse=True)
    return [articles[i]["title"] for i, score in scores[:top_n]]

print(get_related_articles(1))

このようにして、指定した記事に対する関連記事候補をスコア順に取得できます。あとはこの結果を記事の末尾に自動挿入したり、編集者向けの管理画面に提案一覧として表示したりすることで、実際の運用に活用できます。