第一點、關于哪些詞是蜘蛛不喜歡的呢?那么我們來看一下：總的來講搜索引擎會過濾“的，了，呢，啊”之類的重復率非常之高的詞，有人會問是為什么呢?很簡單，因為這類詞是對排名無幫助的無用詞語。
第二點、在談到這里要談偽原創百度與谷歌是怎么算法，和判定的?為什么有時候轉換近義詞無效。那么從這里開始就算是小戴個人的一點經驗總結了。我們都知道目前在網絡然市場上有一堆偽原創工具能夠將詞語偽原創比如將“電腦”偽原創為“計算機”等這樣的近義詞，那么有什么理由不相信強大的搜索引擎不會偽原創?所以肯定的，搜索引擎一定會近義詞偽原創，當搜索引擎遇到“電腦”和“計算機”時，會將他們自動轉換這里姑且假設為A，所以很多情況下的近義詞偽原創不收錄的原因就在這里。
第三點、重點談一下為什么有時候不僅近義詞轉換了并且連打亂句子與段落依然無效果呢。當搜索引擎過濾掉無用詞，并將各類近義詞轉化為A，B，C，D后開始提取出這個頁面最關鍵的幾個詞語A，C，E如果大家不太明白，那么(這里舉個例子，實際可能提取的關鍵字不是ACE三個而是1個到幾十個都是說不定的)。并且將這些詞進行指紋記錄。這樣也就是說，近義詞轉換過的并且段落打亂過的文章和原文對于搜索引擎來說是會認為一模一樣的。如果你們不明白，那就好好的琢磨一下，小戴的語言功底不太好，希望大家能夠理解。
第四點、這段更深層次解釋為什么幾篇文章段落重組的文章依然可能會被搜索引擎識別出。大家會可能覺得奇怪了?首先既然百度能夠生成指紋自然也能解碼指紋，段落重組的文章不過是重要關鍵字的增加或者減少，這樣比如有兩篇文章第一篇重要關鍵字是ABC，而第二篇是AB，那么搜索引擎就可能利用自己一個內部相似識別的算法，如果相差的百分數在某個值以下就放出文章并且給予權重，如果相差的百分數高于某個值那么就會判斷為重復文章從而不放出快照，也不給予權重。這也就是為什么幾篇文章段落重組的文章依然可能會被搜索引擎識別出的原因。
第五點、我要解釋下為什么有些偽原創文章仍然可以被收錄的很好。我上面的推理只是對于百度識別偽原創算法的大致框架，實際上谷歌百度對于識別偽原創的工作要更加龐大并且復雜的多，谷歌一年就會改變兩百次算法足以看出算法的復雜性。為什么某些偽原創的文章依然可以被收錄的很好。只有兩個原因：
上一條：
網站建設中 身份還是職業 對于互聯網站長的一點思考下一條：
提升網站權重從快照及內容收錄中看問題
湘公網安備 43010302001803號