搜索引擎采集泛滥采集的相同文章越来越多，这是谁之错？

　　搜索引擎采集泛滥采集的相同文章越来越多，这是谁之错？

　　2013年6月20日，百度站长平台在网上发布了Baidu原创星火计划。这也将意味着结束搜索引擎采集泛滥的时代是可能的。不知道有多少站长这么努力，写出好的原创文章，却沉入了采集的泛滥之海。这也意味着，只要不是大网站，我们总会面临原创difficulty，判断原创的难度会更大。重蹈覆辙的我们最终会失去信心，所以原创越来越少，但是搜索引擎采集泛采集的同款文章却越来越多。这是谁的错？

　　所以，我们需要原创识别，还有更多需要实现。那么就来看看具体的措施和变化吧。

　　百度 Spark原创计划

　　一、为什么搜索引擎要重视原创

　　1.1 采集 泛滥

　　来自百度的一项调查显示，80%以上的新闻信息都是通过人工或机器转发采集，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，甚至是提醒大学图书馆发送的网站在机器采集 上工作。可以说，优质的原创内容是采集包围的海洋中的小米之一。通过搜索引擎搜索海中的小米既困难又具有挑战性。

　　1.2 提升搜索用户体验

　　数字化降低传播成本，工具化降低采集成本，机器采集混淆内容来源，降低内容质量。在采集的过程中，无意或有意地，采集的网页内容不完整不完整、格式混乱或附加垃圾等问题层出不穷，严重影响了搜索结果的质量和用户体验。搜索引擎重视原创的根本原因是为了提升用户体验。这里原创是高质量的原创内容。

　　1.3 鼓励原创author 和文章

　　转贴采集，分流优质原创网站的流量，不再有原创作者的名字，直接影响优质原创的收入站长和作者。长此以往，会影响原创的积极性，不利于创新，不利于产生新的优质内容。鼓励优质原创，鼓励创新，给原创网站和作者合理的流量，促进互联网内容的繁荣，应该是搜索引擎的重要任务。

　　二、采集很狡猾，识别原创很困难

　　2.1 采集冒充原创，篡改关键信息

　　目前，在大量网站batch采集原创内容后，通过人工或机器方式篡改作者、发布时间、来源等关键信息，冒充原创。此类冒充原创需要搜索引擎识别并进行相应调整。

　　2.2 内容*敏*感*词*，制造伪原创

　　使用自动文章*敏*感*词*等工具，“创建”一篇文章文章，然后安装一个醒目的标题。现在成本很低，必须是原装的。但是原创必须具有社会共识的价值，而不是仅仅制造一块可以算作有价值的优质原创内容的无理垃圾。虽然内容独特，但不具备社会共识的价值。这样的伪原创需要被搜索引擎识别和攻击。

　　2.3 不同网页导致结构化信息提取困难

　　不同的站点在结构上有比较大的差异，html标签的含义和分布也不同。因此，提取标题、作者、时间等关键信息的难度也比较大。目前的中国互联网规模要做到全面、准确、及时，实属不易。这部分需要搜索引擎和站长的配合才能运行得更顺畅。如果站长以更清晰的结构将网页布局告知搜索引擎，将使搜索引擎能够高效地提取原创相关信息。

　　Baidu原创星火计划

　　三、百度身份原创路怎么走？

　　3.1 成立原创项目组打持久战

　　面对挑战，为了提升搜索引擎的用户体验，为了获得高质量的原创者原创网站，为了推动中国互联网的进步，我们选择了大量人组成原创Project Team：技术、产品、运营、法务等。这不是临时组织，不是一个月两个月的项目。我们准备打持久战。

　　3.2 原创识别“起源”算法

　　互联网上有数百亿、数千亿的网页，从中挖掘出原创的内容可以说是大海捞针，线索非常多。我们在百度大数据云计算平台上开发的原创识别系统，可以快速实现对所有中文互联网网页的重复聚合和链接点关系分析。首先，根据内容相似度聚合采集和原创，将相似的网页聚合在一起，作为原创标识的候选集；其次，对于原创候选集，使用作者、发布时间、链接点、用户评论、作者和网站历史原创情况、转发轨迹等数百个因素来识别和判断原创网页最后，通过价值分析系统判断原创内容的价值，以适当指导最终排名。

　　“Origin Algorithm”，一个新的算法将深深的烙印在我们的脑海中，因为它标志着搜索引擎原创era变革的到来，也是各大站长原创的动力，我们将迎来一个全新的搜索引擎时代-原创时代。

　　百度表示：“我们一直致力于原创内容识别和排序算法调整，但在目前的互联网环境下，快速识别原创解决原创问题确实面临很大挑战，计算数据的规模是巨大，我们面临的采集方法层出不穷，不同站点的建站方法和模板千差万别，内容提取复杂等问题，这些因素都会影响原创算法识别，甚至导致判断错误，此时需要百度，与站长共同维护互联网生态环境。站长推荐原创内容，搜索引擎经过一定判断后优先对待原创内容，共同推动改善生态。鼓励原创，即“原创星火计划”旨在快速解决当前面临的严重问题。另外，将应用站长推荐的原创内容到“起源”算法，帮助百度找到算法的不足，不断改进，用更智能的识别算法自动识别原创内容。

　　目前，通过我们的实验和在线真实数据，“起源”算法已经取得了一定的进展，解决了新闻、信息等领域的大部分问题。当然，其他领域还有更多原创问题等待“Origin”解决，我们会坚定地走。

　　3.3 原创星火计划

　　我们一直致力于原创内容识别和排序算法调整，但在目前的互联网环境下，快速识别原创解决原创问题确实面临很大挑战，计算数据规模巨大。 采集方法层出不穷，针对不同站点的建站方法和模板、复杂的内容提取等问题存在巨大差异。这些因素都会影响原创算法的识别，甚至导致判断错误。这时候就需要百度和站长共同维护互联网生态环境。站长推荐原创内容，搜索引擎在一定判断后优先对待原创内容，共同推动生态的完善，鼓励原创，这就是“原创星火计划”，旨在快速解决当前面临的严重问题。此外，站长对原创内容的推荐将应用到“起源”算法中，帮助百度发现算法的不足，持续改进，用更智能的识别算法自动识别原创内容。

　　目前原创星火项目也已初见成效。一期部分原创新闻重点网站原创内容在百度搜索结果中标注原创、作者展示等，在排名和流量上也进行了合理改进。然而，通过这几年的观察，出现了一个尴尬的局面。

　　最后，原创是一个需要长期改进的生态问题。我们将继续投资并与站长合作，推动互联网生态的进步； 原创是环境问题，需要大家共同维护，站长多做原创，多推荐原创，百度会继续努力改进排序算法，鼓励原创内容，提供合理的原创author 和原创 网站的排序和流量。

　　百度SEO算法训练

　　关于咨询SEO培训和代理关键词ranking相关问题

　　咨询 SEO 培训

　　初级班：2180元（网课），4180元（现场课）适合0基础的初学者。学习后可在中小企业做SEO总监，承诺月薪不低于6K。

　　中级班：6300元（网课），9300元（现场班）适合有接触过SEO的人。学习后适合创业者自己找项目或者到大公司做经理。月薪不低于10K。 .

　　VIP班：10400元（网课），20000元（现场班）适合什么都能做，什么都不擅长的公司或个人，从屌丝到大神级，东莞SEO培训大神核心技术全部传授，一无所获！学习后，自己摸索网络项目，开公司，或者去公司做运营总监，年薪不低于20万。关于seo培训的价格，废话不多说，我们保证你学完之后去实际操作，觉得没用或者不值这个价，我们承诺100%无条件退款。到目前为止，只有 1 人退款。