程序员人生 网站导航

浅谈搜索引擎是怎么判定原创与抄袭

栏目:网络优化时间:2014-04-16 18:51:31

  我们知道,网站原创内容在搜索引擎排名中占有重要地位,但做原创内容不容易,伪原创又怕不被当成原创,白做。那么我们先从搜索引擎角度去如何判定内容是原创还是抄袭。

  很多站长都想利用原创内容来提高自己网站的收录与排名,但是做原创内容并不是一件容易的事,偶尔一两篇应该还行,要是一天一两篇,很多多人也是受不了,因为大多数站长都不是作家那样行如流水。比如要写一篇SEO的原创文章,若是自己本身都还不太了解SEO,那肯定是半天都都憋不出一个字来。所以,如何利用别人的文章来改成伪原创,让搜索引擎以为是原创内容,这是很多站长都追求的效果。

  之前有人认为搜索引擎是利用“分词”与“索引”技术,没看过的可以看下这篇《网站建设中利用搜索引擎“分词”和“索引库”技术来做网站排名》地址是:http://www.kz27.com/seo-paiming/fenci-suoyin/ ,大家都很认同。我们来看看2010-02-21在百度搜索“网站建设中常见的DIV+CSS问题解决方法”时得出的结果:

  

 

  从上图可以看出,搜索引擎确实是利用了分词技术:它把“网站建设中常见的DIV+CSS问题解决方法”分为“网站”、”建设”、”常见”、”div”、”CSS”、”问题”、”解决”、”方法“ 还有“网站的”,“div+css的”,“网站设计”。值得一提的是跟“网站建设”相关的“网站设计”也以红字出现。同时,在上面的搜索关键词中,有“的”也没有“的”搜索结果都是213篇文章,但排名有一点点小的改动。如下图:

  

 

  注:以下纯属猜测,如有与搜索引擎算法相似,不胜荣幸,欢迎指正。

  第一、首先,我们来分析索引擎是如何分析哪些是原创,哪些不是原创的

  是原创还是复制别人的文章,要进行判断,那肯定需要进行“比较”。那怎么比较?我们先从搜索引擎地角度去想想看:

  1.先是标题

  如果是一样的,那很有可能是复制,但要是改了一下标题呢,如把《如何做伪原创文章》改成《教你怎么写伪原创内容》,意思没变,文字变了。所以,不能仅靠标题来判断是不是原创。但可以做以下分析:

  因为搜索引擎的数据量实在太大,不可能对所有的内容进行遂一的结比,而是同样是使用“分词“技术:

  (1)如果搜索引擎蛛蛛访问的页面是一个新的页面,那么,它将先把这个页面内容收集起来,放入一个数据库(或是其它),等其它程序如专门对比内容是不是原创、是不是有价值的程序进行处理。这时候,这个内容将不会被搜索出来。

  (2)分析内容。也是利用了分词技术,对标题、内容等进行分析。得出了这个页面的主要内容。如《周杰伦2010年专辑》这样的篇文章时,它将与包括”周杰伦“、”2010“、”专辑“这样的关键词的文章进行比较,而不用与所有的网页进行比较。如果结果是原创、比较有价值,则进行收录,给比较高的权重。如果被认为是复制或抄袭,则不进行收录,或是给的权重很低。顺便要说的是,对于这个页面的权重,不仅仅是跟其本身的内容、本身的内容有关,能不能有好的排名,还要跟整个站点的权重有关。打个比方,如果这个页面的权重是3,网站的权重是3,那加起来是6。要是别的网站转载了这个文章,文章的权重是1,但他的网站的权重是7,那加起来就是8。6<8所以转载的文章还是会排在原创文章的前面。

  2.对文章的内容进行分析比较

  首先从搜索引擎角度去考虑:

  用户在做伪原创的时候,会经常用到的方法有:

  (1)删除部分内容

  (2)添加部分内容。在复制过来的文章里添加上两句,或是把多篇文章合在一起。

  (3)调换内容顺序。把原文1.A,2.B,3.C,4.D,5.E 改成 1.C,2.B,3.E,4.A,5. D

  用分词技术后对相关的内容进行比较,分析项目有:

  (1)字数大小

  (2)几个关键字出现频率

  (3)文中任几句话

  (4)链接

  程序分析过程:

  如果 (字数大小一样)并且(几个关键字出现频率一样)并且(文中任几句话一样)并且(链接指向与本文有90%以上的相似度的文章)

  或者 文中任5句(长短不一,可能是5-30个字)以上的话是一致的

  那么 判定为抄袭或伪原创。

  由上面的程序分析过程中,可以看出:简单的删除内容、添加合并部分内容、调换内容顺序、段落顺序并不能让搜索引擎当做原创。为什么?因为用如上简单的的方法就可以看出大概了。字数大小、几个关键字出现频率、链接这都好办,文中任几句话对比这就不好办了。

  文章来源:http://www.kz27.com/blog/zuo-yuanchuang-1/

  由上可以看出,要做到被搜索引擎认为为是原创内容,绝大部分的内容都得改。那怎么改呢?下篇文章将和大家学习学习。

------分隔线----------------------------
------分隔线----------------------------

最新技术推荐