百度识别伪原创的算法

       很多人都觉得随便改两下就能骗过百度让百度收录自己的文章，但是百度是非常强大的，其算法一下就能识别你的文章是仿的伪的还是原创啦。下面我们来看看这些判别伪原创的算法规则：

1、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。

　　2、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。

　　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。

上一篇:企业站的seo应该怎样做?
下一篇:各大站的搜索引擎,我们在找资料中可用到