解读：简析搜索引擎如何辨别原创内容

　　简要分析搜索引擎如何区分原创内容

　　网站已更新，原创中的文章将很快受到搜索引擎蜘蛛的青睐，并很快成为收录，那么如何将其视为原创？让我们一起分析一下：

　　一、为什么原创很重要？

　　1.采集洪水

　　来自百度的一项调查显示，超过80％的新闻和信息是通过人工或机器重新发布的，从传统媒体报纸到娱乐网站花边新闻，从游戏指南到产品评论，甚至还发送了提醒由大学图书馆提供的站点正在运行机器采集。可以说，高质量的原创含量是采集包围的广阔海洋中的一块小米。对于搜索引擎而言，在海中搜索小米既困难又具有挑战性。

　　2.改善搜索用户体验

　　数字化降低了传播成本，工具化降低了采集的成本，并降低了机器采集的行为，从而混淆了内容来源并降低了内容质量。在采集的过程中，无意或有意地，采集网页的内容不完整，格式不正确或出现了其他垃圾邮件等问题，这严重影响了搜索结果和用户体验的质量。搜索引擎重视原创的根本原因是为了改善用户体验，这里提到的原创是高质量的原创内容。

　　3.鼓励原创作者和文章

　　以采集重印，会转移高质量原创网站的访问量，并且不再使用原创作者的名字，这将直接影响高质量原创的收入网站管理员和作者。从长远来看，它将影响原创人的热情，不利于创新，也不利于生产新的高质量内容。鼓励质量原创，鼓励创新以及为原创网站和作者提供合理的访问量，从而促进Internet内容的繁荣，应该是搜索引擎的一项重要任务。

　　二、采集和身分原创很难

　　1.采集伪装为原创，篡改了关键信息

　　当前，在采集 原创内容的大量网站批处理之后，使用手册或机器方法来篡改关键信息，例如作者，发布时间和来源，并冒充原创。这种假冒原创需要由搜索引擎识别并进行相应调整。

　　2.内容*敏*感*词*，制造伪原创

　　使用自动文章*敏*感*词*之类的工具“创建”文章文章，然后安装醒目的标题，现在的成本非常低，而且必须是原创的。但是，原创要具有社会共识价值，而不是制造不合理的垃圾，而这些垃圾可以算作有价值和高质量的原创内容。尽管内容独特，但没有社会共识价值。搜索引擎需要识别并打击这种伪原创类型。

　　3.不同的网页，难以提取结构化信息

　　不同的站点具有相对较大的结构差异，并且html标签的含义和分布也不同。因此，提取诸如标题，作者和时间之类的关键信息的难度也相对较大。当前的中国互联网规模要全面，准确，及时是不容易的。这部分将需要搜索引擎和网站管理员的配合才能更平稳地运行。如果网站站长将更清晰的结构告知搜索引擎网页布局，将使搜索引擎能够有效提取相关信息原创。

　　三、百度认可原创发展前景

　　1.建立了原创项目团队

　　面对挑战，为了改善搜索引擎的用户体验，使高素质的原创人原创 网站获得应有的利益，并促进汉语的发展互联网，我们吸引了很多人组成一个项目团队原创：技术，产品，运营，法律事务等。这不是一个临时组织，也不是一个为期两个月的项目。我们准备打一场旷日持久的战斗。

　　2. 原创识别“来源”算法

　　Internet上有数百亿个网页，从中挖掘出原创内容可以说是有很多线索的大海捞针。我们的原创识别系统是在百度大数据的云计算平台上开发的，可以快速实现所有中文Internet页面的重复聚合和链接点关系分析。首先，根据内容的相似度对采集和原创进行汇总，将相似的网页聚合为原创所标识的候选集；其次，对于原创候选集，通过作者，发布时间，链接点，用户数百个因素，例如评论，作者和站点历史原创情况，转发轨迹等，用于识别和判断原创网页;最后，由价值分析系统判断原创内容的价值，以适当地指导最终排名。

　　目前，通过我们的实验和真实的在线数据，“起源”算法取得了一些进展，并解决了新闻，信息等领域的大多数问题。当然，其他领域还有更多原创问题等待“起源”解决，我们将坚定不移。

　　3. 原创 Spark项目

　　我们一直在进行原创内容识别和排序算法的调整，但是在当前的Internet环境中，快速识别原创和解决原创问题确实面临着巨大的挑战。计算数据的规模巨大，采集方法层出不穷，不同站点的方法和模板也大不相同，内容提取也很复杂。这些因素将影响原创算法的识别，甚至导致判断错误。这时，百度和网站管理员必须共同努力维护互联网的生态环境。网站站长推荐原创内容，搜索引擎经过一定判断后会优先处理原创内容，共同促进生态改善，鼓励原创，这是“ 原创 Spark项目”，旨在快速解决严重问题当前面临的问题。此外，网站站长对原创内容的建议将应用于“起源”算法，以帮助百度找到该算法的不足，继续进行改进，并使用更智能的识别算法自动识别原创的内容。

　　目前，原创 Spark项目也已取得初步成果。某些重要原创新闻站点的原创内容的第一阶段在百度搜索结果中已标有原创，显示了作者等，并且在排名和访问量方面也进行了合理的改进。

　　最后，原创是一个生态问题，需要长期改进。我们将继续投资并与网站管理员合作，以促进互联网生态的进步； 原创是一个环境问题，需要大家共同维护，网站管理员需要做更多原创，推荐更多原创，百度将继续努力改善排名算法，鼓励原创内容，并提供合理的原创作者和原创网站的排名和流量。