搜索引擎如何識別非原創文章

在百度，谷歌等常用搜索引擎上我們搜索一個文章，常常會發現有大量相同的文章，這是由于網站上的文章大多數是互相抄錄而導致的，但是，隨著搜索引擎技術不斷地發展和進步，搜索引擎識也能慢慢地認別非創文章，下面我們來解析一下搜索引擎識別非原創文章的一些方法。
靠前，搜索引擎會過濾漢字常用的符號:,。!‘(){}[]等，同時也會過濾地，的，了，呢，啊，之類的重復率非常之高的對排名無幫助的無用詞語。

第二，那就是根據關鍵詞來進行有機的篩選，因為對于網站的內容來說關鍵詞基本上是不會變的，而判定原創和偽原創主要的方法就是對關鍵詞的分析，如果兩篇文章的關鍵詞出現在相似的位置，那么就會被搜索引擎認為這兩篇文章其中一篇是偽原創的!這么說大家恐怕還不是很明白，那么就讓筆者通過具體的實例來給大家做一下介紹!首先計算機會取出兩篇文章，然后就開始通過程序分析了!

1：先設定一個比例，比如定義為M，標注按照0.5的系數!

2：把文章A根據字數分成三段，B篇文章也分成三段，然后就根據算法將文字轉變成計算機識別的符號，這個符號我們姑且用ADSDFAGFAG來表示，當然正確的符號應該是按照二進制代碼表示的!

3：當把A、B兩篇文章都轉變成符號后，計算機就開始來進行比較分析了，這時候相似度會出現一個比例，如果超過靠前步設定的比例是0.5的話，說明兩篇文章是相似雷同的，一旦發現雷同搜素引擎自然就會尋找其他參數來決定誰是原創和偽原創了!

第三，搜索引擎識別文章的偽原創主要是在原文章上對標題識別，更改同義詞，刪減或增加一些語句，重寫首尾兩段，修改段落的次序等來識別是否與原文章有所區別的目的。經過以上步驟的修改，搜索引擎就可以識別文章是否是原創了，一般來說，在網站更新過一篇文章并且被收錄以后，他會把收錄在數據庫里的兩個相近內容頁面X和Y各切割為很多個獨立的區塊(A)，并將這些獨立的區塊進行比較，當這些區塊相同部分的數量超過了搜索引擎所設定的閥值Z的時候，他就會認為X和Y其中有一個是轉載的內容。這里把內容分成A塊區域，即指搜索引擎的分詞技術。判斷重復區塊是否超過閥值Z，就是指搜索引擎的索引技術。當然，X 和Y的值是搜索引擎自己的算法設定的，不同的搜索引擎算法的設定也不同，我們更是無從得知，不過我們可以從上面的模型分析出很多有用的東西。

靠前，X值和Y值決定了搜索引擎判斷轉載內容的能力。Z值越大，A值越小時，搜索引擎分辨轉載內容的能力就越高;反之，就越低。這兩個值是由搜索引擎算法間的協調和算法所消耗的資源等多方面因素決定的，所以搜索引擎并不會一味追求高的分辨能力。

第二，從模型中可以看出上面所提到的偽原創辦法對搜索引擎并非十分有效。他們是通過分區來判斷內容的重復性，與內容的順序沒有很大關系，所以調整段落次序的方法是并不可行。其他的幾種偽原創方法，包括增減、重寫內容，替換同義詞等，它們的有效性在一定程度上由N值和M值大小所決定。搜索引擎發展至今，算法已經頗為成熟，分辨內容重復的能力也已經十分有效了，所以增加、刪除內容，替換部分內容并不能讓搜索引擎將偽原創的文章當做原創了。