分析搜索引擎是如何識(shí)別雷同文章和偽原創(chuàng)文章

搜索引擎識(shí)別偽原創(chuàng)的算法技術(shù)有很多，這里啟邁網(wǎng)絡(luò)公司向大家簡(jiǎn)單介紹幾種:

1、信息指技信息指紋技術(shù)是指搜索引擎截取一段文字信息，通過(guò)然后根據(jù)這組詞調(diào)用特別的算法，例如MD5，將之轉(zhuǎn)化為一組代碼，這組代碼就成為標(biāo)識(shí)這個(gè)信息的指紋。如果兩篇文章的信息指紋相同，搜索引擎就認(rèn)為這兩篇文章是重復(fù)的。這些信息可能是標(biāo)點(diǎn)符號(hào)，可能是一個(gè)詞，也可能是一個(gè)句子、一個(gè)段落。通常一篇文章會(huì)對(duì)應(yīng)多個(gè)信息指紋，因此網(wǎng)絡(luò)營(yíng)銷(xiāo)認(rèn)為，單純的詞語(yǔ)替換（同義/反義）、打落段落順序等偽原創(chuàng)手法是騙不了搜索引擎的。

2、TF/IDF算法這是一種常用的計(jì)算相似度的算法。TF是Term Frequency的縮寫(xiě)，譯成中文是詞頻，指的是某一個(gè)詞在文章中出現(xiàn)的次數(shù)；IDF是Inverse Document Frequency的縮寫(xiě)，中文譯成反文檔頻率，IDF越大，表明這個(gè)詞在其它文章中出現(xiàn)的次數(shù)很少，說(shuō)明這個(gè)詞有很好的類(lèi)別區(qū)分能力。 將兩篇文章分別用TF/IDF算法計(jì)算后，各產(chǎn)生一個(gè)內(nèi)容特征向量，如果兩篇文章的特征向量相近，搜索引擎就認(rèn)為這兩篇文章的內(nèi)容相似，如果兩個(gè)特征向量一致，就認(rèn)為這兩篇文章是重復(fù)的。

3、文章與站點(diǎn)主題的相關(guān)性百度等搜索引擎在收錄網(wǎng)站的時(shí)候，就已經(jīng)為每個(gè)站點(diǎn)劃定了主題范圍。如果某篇文章的主題與整個(gè)站點(diǎn)的主題相關(guān)度很低，比如你的站是一個(gè)做化妝品評(píng)測(cè)的站，其中卻有篇文章是說(shuō)挖掘機(jī)性能的，這樣與整站主題不相關(guān)的文章也容易被搜索引擎認(rèn)為是重復(fù)內(nèi)容。 搜索引擎喜歡獨(dú)特的原創(chuàng)的內(nèi)容，在這里也提醒廣大站長(zhǎng)，在做關(guān)鍵詞布署時(shí)一定要注意主題相關(guān)，站內(nèi)不相關(guān)的文章或者網(wǎng)頁(yè)占到一定幅度，就可能引發(fā)搜索引擎的反作弊機(jī)制，被降權(quán)甚至K站。

4、借鑒二次搜索率、跳出時(shí)間等數(shù)據(jù)判定偽原創(chuàng)文章，尤其是程序生成的偽原創(chuàng)文章，它的閱讀體驗(yàn)是非常差的。大家可以想象，用戶(hù)如果在搜索時(shí)點(diǎn)擊了此類(lèi)文章，一定會(huì)很快的跳出頁(yè)面，點(diǎn)擊其它搜索結(jié)果，或者搜索另一個(gè)關(guān)鍵詞。搜索引擎通過(guò)數(shù)據(jù)監(jiān)測(cè)到用戶(hù)的這種行為，也可能會(huì)判定這篇文章是偽原創(chuàng)文章。

看了上面的分析，站長(zhǎng)朋友們應(yīng)該了解簡(jiǎn)單的替換詞語(yǔ)等偽原創(chuàng)方式對(duì)網(wǎng)站是弊大于利，即使做偽原創(chuàng)，也要做深加工的偽原創(chuàng)，在借鑒別人觀(guān)點(diǎn)的基礎(chǔ)上自己再進(jìn)行總結(jié)、分析，這樣寫(xiě)出來(lái)的文章才對(duì)用戶(hù)有價(jià)值，也才會(huì)被搜索引擎認(rèn)可。