浅谈搜索引擎是怎么判定原创与抄袭虾缕梨

haitun

　　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