百度如何区分原创与伪原创

huangjingming

在中国，百度是广大站长关心最多的搜索引擎，百度的一举一动都牵动着千千万万站长的心。百度喜欢原创的东西，大家都知道，但是很多站长都是做非专 网赚的，怎么搞这么多原创的东西呢？所以很多站长都在找捷径——伪原创。顾名思义伪原创就是把原创的东西稍作修改，让搜索引擎认为这是一篇原创文章。那么百度如何区分原创与伪原创呢？

同一篇文章经常会重复出现在不同网站及同一个网站的不同网址上，搜索引擎并不喜欢这种重复的内容。用户搜索时，如果在前两页看到的都是来自不同网站的同一篇文章，用户体验就太差了，虽然都是内容相关的。搜索引擎希望只返回相同文章中的一篇，所以在进行索引前还需要识别和删除重复的内容，这个过程就称为“去重”。

去重的基本方法是对页面特征关键词计算指纹，也就是说以页面主体内容中选取最有代表性的一部分关键词（经常是出现频率最高的关键词），然后计算这些关键词的数字指纹。实验表明，通常选取10个特征关键词就可以达到比较高的计算准确性，选取更多词对去重准确性提高的贡献也就不大了。

典型的指纹计算方法如md5算法（信息摘要算法第五版）这类指纹算法的特点是输入（特征关键词）有任何微小的变化，都会导致计算出的指纹有很大的差距。

了解了搜索引擎的去重算法，seo人员就应该知道简单的更换词语及调整段落顺序这种所谓的原创，并不能通过搜索引擎的去重算法。因为这样的算法无法改变文章的特征关键词。而且搜索引擎算法很可能不止于页面识别，而是进行到段落识别，混合不同文章，交叉调换段落顺序也不能使转载和抄袭变成原创。本文由www.waiyuke.com整理。