英文博客伪原创(关于原创和伪原创Google是怎么判断的呢的？)

　　英文博客伪原创(关于原创和伪原创Google是怎么判断的呢的？)

　　很多站长在做站群的时候，会生成大量的内容来填充网站。由于时间和精力的限制，大多数站长一般使用采集software采集+伪原创，你如何判断原创和伪原创Google？事实上，谷歌对伪原创的判断比百度准确得多。现在让我们看看谷歌是如何评判原创和伪原创的。

　　1.内容相似度

　　内容相似度是搜索引擎最可重用的算法。最常用的算法是TF/IDF算法。这也是一种计算相关性的算法。 TF-IDF的主要含义是：如果一个词或词组在文章的文章中频繁出现，而在其他文章中很少出现，则认为该词或词组具有良好的分类能力，适合分类.

　　TF Term Frequency 是指给定单词在文件中出现的次数。

　　IDF 逆文档频率（Inverse Document Frequency）是指：如果收录条目的文档较少，则 IDF 越大，说明条目具有良好的类别区分能力。

　　当一篇文章文章根据TF/IDF进行计算时，就形成了一个多维向量。这个向量就是这个文章的内容特征向量，当两个文章的特征向量趋于相同的时候，我们认为这两个文章的内容是相似的，如果他们是相同，这意味着它们是重复的。

　　TF/IDF和向量算法的详细介绍请参考谷歌黑板的数学之美12-余弦定律和新闻分类

　　2.数据指纹

　　搜索引擎通过相似度采集文章时，需要判断是否与文章重复。经常使用数据指纹。数据指纹有很多算法。常见的如文章标点符号提出，为了对比，你很难想象有两个不同的文章，标点符号是一致的。还有一个比较向量，就是TF词频（关键词密度）等等来判断。

　　这个时候，你可以想象很多伪原创工具只是替换了关键词。你认为关键词被替换后，标点指纹是一样的，甚至TF词的频率也没有变化。还有文章那段的重拍。这确实是标点符号一团糟，但向量和词频问题仍然存在。那么你可以想象这样的伪原创工具的价值。 （可能对百度有用）

　　3.代码噪声

　　上面提到的都是基于一个条件，即搜索引擎需要知道文章是什么，因为每个网站都有不同的模板和不同的代码。各种信息混杂在一起。如果你能找到文本是搜索引擎必须处理的第一件事。

　　一般情况下，谷歌会区分代码布局和噪声比，哪些是导航，哪些是文本，可以忽略一些典型的代码。所以我们在做模板的时候一定要注意。这里有一个纠结点，就是降低整个页面的杂音，方便搜索引擎确认文字，但文字区域要适当晾干，增加搜索引擎识别重复性的难度。

　　上一篇：Google 左侧位置对 GoogleAdwords 广告的影响

　　下一篇：Google网站谷歌PR值计算公式函数快速提升网站PR值方法