关键句采集 原创(百度推出飓风算法，严厉打击恶劣采集站，很多站点不幸中招)

　　关键句采集 原创(百度推出飓风算法，严厉打击恶劣采集站，很多站点不幸中招)

　　【张亚南】近日，百度推出飓风算法打击不良采集网站。许多站点不幸遭到袭击，交通一夜之间恢复到解放前。我研究了百度和谷歌的文档，详细定位算法的命中范围。

　　百度公告

　　我们先来看看百度的官方公告，内容如下：

　　百度搜索近期推出飓风算法，旨在严厉打击以不良采集为主要内容来源的网站。同时，百度搜索将从索引库中彻底剔除不良采集链接，为优质链接原创内容提供更多展示机会，促进搜索生态健康发展。飓风算法会例行生成惩罚数据，同时会根据情况随时调整迭代，体现了百度搜索对不良采集的零容忍。如果优质原创站点发现站点索引大幅下降，流量明显下降，可以在反馈中心进行反馈。

　　飓风算法分析

　　根据官方文档，Hurricane 算法点击的是网站，而不是网页；它主要针对以不良采集为主要内容来源的网站，而不是所有收录不良内容的网站。

　　什么算坏事采集

　　不良采集内容一般是指不花费时间、精力、专业能力、人工整合的内容，或者对用户没有附加价值的内容。

　　有以下类型的内容：

　　来自其他网站的内容 采集。包括整个页面的内容是采集，主题的内容是采集，或者是多条采集的内容。这种类型的内容很容易识别。采集 之后轻微处理的内容。包括修改一些单词，修改一些句子，或者使用单词批量替换的形式（伪原创工具的一部分）。这种类型的识别稍微困难一些。来自某些动态站点 采集 的内容。包括采集其他搜索引擎的搜索结果（火端搜索），采集新闻提要。

　　注意几点：主要内容，不好采集，附加值。

　　什么不被认为是坏的采集

　　群里也有朋友问为什么有的网站也是采集，但是没有受到影响，比如某一个doc，某一个wave。其实只要达到了某一点，就不算差采集，重点是：给用户带来附加值。

　　有两种类型的附加值：网站增益和内容增益。这时候可以引用百度搜索技术博客《论互联网页面的价值》的一段话：

　　有人发表了一篇关于新闻事件的原创 博客，然后被新浪转发到新闻频道。就所描述的而言，这是重复。但是，这种重复只是主要内容的重复。一方面，它的转载带来了访问速度和稳定性方面的收获，后续检索用户也可能会使用“新闻事件+新浪”来检索这条新闻。这可以称为站点增益。另一方面，它可能会在转载过程中更改页面标题，根据其受众，在转载页面上可能会有更多有价值的评论和回复，以及指向其他相关事件的新闻。关联。这些可以称为内容增益。因此，即使题材内容没有变化，新浪的转载也是有价值的，稀缺性很高。同样，反过来，如果转发的 网站 相当未知，它不会带来站点名称/稳定性/速度增益。更有什者，转载后在页面上添加大量广告妨碍阅读，或者只转载不完整的部分内容。这样的转载，或者说采集，是纯粹的重复，和采集一样，和出处相比，没有检索价值。综上所述，对于主要内容重复的页面，我们应该评估它们是否具有站点增益和内容增益。只是对于大量没有任何收获的重复页面，我们应该认为它们的稀缺性很低。或仅转载内容的不完整部分。这样的转载，或者说采集，是纯粹的重复，和采集一样，和出处相比，没有检索价值。综上所述，对于主要内容重复的页面，我们应该评估它们是否具有站点增益和内容增益。只是对于大量没有任何收获的重复页面，我们应该认为它们的稀缺性很低。或仅转载内容的不完整部分。这样的转载，或者说采集，是纯粹的重复，和采集一样，和出处相比，没有检索价值。综上所述，对于主要内容重复的页面，我们应该评估它们是否具有站点增益和内容增益。只是对于大量没有任何收获的重复页面，我们应该认为它们的稀缺性很低。

　　这里的要点是：页面价值，增益

　　所以，只要能给用户带来站点增益、内容增益、附加价值，就说明这个网页有自己独特的价值，不会被飓风算法击中。

　　最后

　　百度的朋友透露，飓风算法主要针对没价值的采集，一旦被击中，无解。而误伤的优质原创可以通过反馈中心申诉。如何避免被飓风算法击中。（我将在下一篇文章 文章 中讨论它。）

　　百度近期战略调整，内容生态建设成为重中之重。打击不良采集内容势在必行。

　　我预测对采集的攻击和对原创的支持将是百度搜索内容的主旋律，飓风算法将持续更新。