行业动态

搜索引擎识别伪原创的方法

发布日期：2012-4-23　阅读次数：858

1、信息指技信息指纹技术是指搜索引擎截取一段文字信息，通过然后根据这组词调用特别的算法，例如MD5，将之转化为一组代码，这组代码就成为标识这个信息的指纹。如果两篇文章的信息指纹相同，搜索引擎就认为这两篇文章是重复的。这些信息可能是标点符号，可能是一个词，也可能是一个句子、一个段落。通常一篇文章会对应多个信息指纹，因此网络营销认为，单纯的词语替换（同义/反义）、打落段落顺序等伪原创手法是骗不了搜索引擎的。

2、TF/IDF算法这是一种常用的计算相似度的算法。TF是Term Frequency的缩写，译成中文是词频，指的是某一个词在文章中出现的次数；IDF是Inverse Document Frequency的缩写，中文译成反文档频率，IDF越大，表明这个词在其它文章中出现的次数很少，说明这个词有很好的类别区分能力。将两篇文章分别用TF/IDF算法计算后，各产生一个内容特征向量，如果两篇文章的特征向量相近，搜索引擎就认为这两篇文章的内容相似，如果两个特征向量一致，就认为这两篇文章是重复的。

3、文章与站点主题的相关性百度等搜索引擎在收录网站的时候，就已经为每个站点划定了主题范围。如果某篇文章的主题与整个站点的主题相关度很低，比如你的站是一个做化妆品评测的站，其中却有篇文章是说挖掘机性能的，这样与整站主题不相关的文章也容易被搜索引擎认为是重复内容。搜索引擎喜欢独特的原创的内容，在这里也提醒广大站长，在做关键词布署时一定要注意主题相关，站内不相关的文章或者网页占到一定幅度，就可能引发搜索引擎的反作弊机制，被降权甚至K站。

4、借鉴二次搜索率、跳出时间等数据判定伪原创文章，尤其是程序生成的伪原创文章，它的阅读体验是非常差的。大家可以想象，用户如果在搜索时点击了此类文章，一定会很快的跳出页面，点击其它搜索结果，或者搜索另一个关键词。搜索引擎通过数据监测到用户的这种行为，也可能会判定这篇文章是伪原创文章。

看了上面的分析，站长朋友们应该了解简单的替换词语等伪原创方式对网站是弊大于利，即使做伪原创，也要做深加工的伪原创，在借鉴别人观点的基础上自己再进行总结、分析，这样写出来的文章才对用户有价值，也才会被搜索引擎认可。