杭州SEO專用徐少輝要說的是：網頁查重算法，也就是搜索引擎是怎么檢查兩個網頁的相似性的?這應該是大家應該比較關心的問題吧，因為這有助于讓你的“偽原創”更像一個“原創”
首先我跟大家講有名的I—MATCH算法。
我們在比較兩件事物的相似性時，往往都會拿能均衡的反應這事物本質的東西來比較，就像比賽時，要去除一個最高分和最低分，然后再變算總分一樣~~
I—MATCH算法基于的依據是，在文擋中，特別高頻的詞和特別低頻的詞無法反應這一個文擋的真實內容，所以在比較之前，先將文擋中高頻詞和低頻詞去掉(注意：這里的高頻和低頻指的是文檔頻率，并非關鍵詞在你網頁中的密度!)
我們來看一個例子：
這里有兩段網頁文字：
1.中國足球隊在米盧的率領下首次獲得世界杯決賽階段的比賽資格，新浪體育播報 。
2.米盧率領中國足球隊員首次殺入世界杯決賽階段，搜狐體育播報。(嘿嘿，看到這兩句很熟吧?)
文檔(一)中去掉高頻：中國，在，的，獲得，比賽，資格，新浪，體育，播報
去掉低頻：米盧
則剩下中頻詞有：足球隊，率領，首次，世界杯，決賽，階段
文檔(二)中去掉高頻：中國，搜狐，體育，播報
去掉低頻：米盧，殺入
則剩下中頻詞有：率領，足球隊，首次，世界杯，決賽 ，階段
看到了吧?剩下的，兩者是一模一樣 這就是相似性的存在
呵呵，其實這個例子很早就有過的。。
綜上所述：搜索引擎要檢測相似性，主要就是要分詞和詞頻的比較!!
|
