在百度，谷歌等常用搜索引擎上我們搜索一個文章，常常會發(fā)現(xiàn)有大量相同的文章，這是由于網站上的文章大多數是互相抄錄而導致的，但是，隨著搜索引擎技術不斷地發(fā)展和進步，搜索引擎識也能慢慢地認別非創(chuàng)文章，下面我們來解析一下搜索引擎識別非原創(chuàng)文章的一些方法。

第一，搜索引擎會過濾漢字常用的符號:,。!‘“”(){}[]等，同時也會過濾“地，的，了，呢，啊，”之類的重復率非常之高的對排名無幫助的無用詞語。

第二，那就是根據關鍵詞來進行有機的篩選，因為對于網站的內容來說關鍵詞基本上是不會變的，而判定原創(chuàng)和偽原創(chuàng)主要的方法就是對關鍵詞的分析，如果兩篇文章的關鍵詞出現(xiàn)在相似的位置，那么就會被搜索引擎認為這兩篇文章其中一篇是偽原創(chuàng)的!

這么說大家恐怕還不是很明白，那么就讓筆者通過具體的實例來給大家做一下介紹!首先計算機會取出兩篇文章，然后就開始通過程序分析了!

1：先設定一個比例，比如定義為M，標注按照0.5的系數!

2：把文章a根據字數分成三段，B篇文章也分成三段，然后就根據算法將文字轉變成計算機識別的符號，這個符號我們姑且用aDSDFaGFaG來表示，當然正確的符號應該是按照二進制代碼表示的!

3：當把a、B兩篇文章都轉變成符號后，計算機就開始來進行比較分析了，這時候相似度會出現(xiàn)一個比例，如果超過第一步設定的比例是0.5的話，說明兩篇文章是相似雷同的，一旦發(fā)現(xiàn)雷同搜素引擎自然就會尋找其他參數來決定誰是原創(chuàng)和偽原創(chuàng)了!

第三，搜索引擎識別文章的偽原創(chuàng)主要是在原文章上對標題識別，更改同義詞，刪減或增加一些語句，重寫首尾兩段，修改段落的次序等來識別是否與原文章有所區(qū)別的目的。經過以上步驟的修改，搜索引擎就可以識別文章是否是原創(chuàng)了，一般來說，在網站更新過一篇文章并且被收錄以后，他會把收錄在數據庫里的兩個相近內容頁面X和Y各切割為很多個獨立的區(qū)塊(a)，并將這些獨立的區(qū)塊進行比較，當這些區(qū)塊相同部分的數量超過了搜索引擎所設定的閥值Z的時候，他就會認為X和Y其中有一個是轉載的內容。這里把內容分成a塊區(qū)域，即指搜索引擎的分詞技術。判斷重復區(qū)塊是否超過閥值Z，就是指搜索引擎的索引技術。當然，X 和Y的值是搜索引擎自己的算法設定的，不同的搜索引擎算法的設定也不同，我們更是無從得知，不過我們可以從上面的模型分析出很多有用的東西。

第一，X值和Y值決定了搜索引擎判斷轉載內容的能力。Z值越大，a值越小時，搜索引擎分辨轉載內容的能力就越高;反之，就越低。這兩個值是由搜索引擎算法間的協(xié)調和算法所消耗的資源等多方面因素決定的，所以搜索引擎并不會一味追求高的分辨能力。

第二，從模型中可以看出上面所提到的偽原創(chuàng)辦法對搜索引擎并非十分有效。他們是通過分區(qū)來判斷內容的重復性，與內容的順序沒有很大關系，所以調整段落次序的方法是并不可行。其他的幾種偽原創(chuàng)方法，包括增減、重寫內容，替換同義詞等，它們的有效性在一定程度上由N值和M值大小所決定。搜索引擎發(fā)展至今，算法已經頗為成熟，分辨內容重復的能力也已經十分有效了，所以增加、刪除內容，替換部分內容并不能讓搜索引擎將偽原創(chuàng)的文章當做原創(chuàng)了。

通上如上幾種方法，搜索引擎基本上可以識別90%的文章是否為原創(chuàng)文章，而搜索引擎識別是否為原創(chuàng)文章有更多的方法。

本文標題：搜索引擎如何識別非原創(chuàng)文章
轉載來于：http://m.2m8n56k.cn/news40/132940.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供移動網站建設、品牌網站制作、網站改版、全網營銷推廣、響應式網站、網站排名

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)