杭州SEO專用徐少輝要說的是：網(wǎng)頁查重算法，也就是搜索引擎是怎么檢查兩個(gè)網(wǎng)頁的相似性的?這應(yīng)該是大家應(yīng)該比較關(guān)心的問題吧，因?yàn)檫@有助于讓你的“偽原創(chuàng)”更像一個(gè)“原創(chuàng)”
首先我跟大家講有名的I—MATCH算法。
我們?cè)诒容^兩件事物的相似性時(shí)，往往都會(huì)拿能均衡的反應(yīng)這事物本質(zhì)的東西來比較，就像比賽時(shí)，要去除一個(gè)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(jù)是，在文擋中，特別高頻的詞和特別低頻的詞無法反應(yīng)這一個(gè)文擋的真實(shí)內(nèi)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(guān)鍵詞在你網(wǎng)頁中的密度!)
我們來看一個(gè)例子：
這里有兩段網(wǎng)頁文字：
1.中國足球隊(duì)在米盧的率領(lǐng)下首次獲得世界杯決賽階段的比賽資格，新浪體育播報(bào) 。
2.米盧率領(lǐng)中國足球隊(duì)員首次殺入世界杯決賽階段，搜狐體育播報(bào)。(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(bào)
去掉低頻：米盧
則剩下中頻詞有：足球隊(duì)，率領(lǐng)，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(bào)
去掉低頻：米盧，殺入
則剩下中頻詞有：率領(lǐng)，足球隊(duì)，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(shí)這個(gè)例子很早就有過的。。
綜上所述：搜索引擎要檢測(cè)相似性，主要就是要分詞和詞頻的比較!!
|
