集群网站建设—搜索引擎如何区分原创内容？

1、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。

2、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《成都租车常识》改成《教您怎样在成都租车》，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。

信息来源创新互联：集群网站建设