用于生成引擎优化的结构特征工程：内容结构如何塑造引用行为

人工智能驱动的搜索引擎的激增已将信息发现从传统的基于链接的检索转变为通过选择性来源引用直接生成答案，为内容可见性带来了新的挑战。虽然现有的生成引擎优化（GEO）方法主要关注语义内容修改，但结构特征在影响引用行为中的作用仍未得到充分探索。在本文中，我们提出了 GEO-SFE，这是一种用于生成引擎优化中结构特征工程的系统框架。我们的方法将内容结构分解为三个层次结构：宏观结构（文档架构）、中观结构（信息分块）和微观结构（视觉强调），并模拟它们对不同生成引擎架构的引用概率的影响。我们开发架构感知优化策略和预测模型，在提高结构有效性的同时保持语义完整性。对六种主流生成引擎的实验评估表明，引用率（17.3%）和主观质量（18.5%）持续提高，验证了所提出框架的有效性和普遍性。这项工作将结构优化确立为 GEO 的基本组成部分，提供了一种数据驱动的方法，用于增强 LLM 支持的信息生态系统中的内容可见性。