搜索引擎是如何判断伪原创的

　　搜索引擎如何判断网站上的内容是否伪原创，是不是只要中心思想改变，或者调整文章段落，搜索引擎就会认为是原创呢?本文从相似数据监测的角度，解密如果两篇文章，只是段落改变，或者原创一小段话，甚至关键词替换，能否达到原创的目的，欢迎拍砖。

　　搜索引擎如何判断伪原创：

　　在介绍伪原创之前，先来熟悉一个概念，一般来说，搜索引擎判断复制网页都基于这么一个思想：为每个网页计算出一组信息指纹(Fingerprint)，若两个网页有一定数量相同的信息指纹，则认为这两个网页的内容重叠性很高，也就是说两个网页是内容复制的。

　　什么是信息指纹?信息指纹就是把网页里面正文信息，提取一定的信息，可以是关键字、词、句子或者段落及其在网页里面的权重等，对它进行加密，如MD5加密，从而形成的一个字符串。信息指纹如同人的指纹，只要内容不相同，信息指纹就不一样。

　　我们来看一个例子：

　　这是一段从Q猪博客的<绿萝2.0揭秘>上，截取的一段文字，“绿萝2.0打击的对象：软文交易平台、软文发布站、软文收益站三类，这和百度惩罚外链购买的方式类似，首先惩罚软文的买卖双方，再惩罚，提供买卖软文交易的平台，相信今后一段时间内，在这些有名的新闻上，那些明显的推广性质软文将会减少，软文的质量将会提高，对用户而言，这些文章将会有更高的可读性。”

　　我们提取一下，找出这段话的特征词，包括文章中出现最多的词：1、软文;2、惩罚;

　　这里可以看出，这段文字出现最多的是“软文”，其次是“惩罚”，以前有些所谓的伪原创工具，就是调换这些特征词，比如将“软文”改成“SEO”，“惩罚”改成“奖励”，这些特征词的改变，就会导致文章中的信息指纹出现很大的变化。

　　通过搜集文章指纹，来判断是否原创，是搜索引擎的一种最基本的算法，所以网络上，一些网站通过转载文章，修改标题，调换段落等手法，对文章进行改造，这些文章，在搜索引擎眼里都是同一篇文章。

　　伪原创还有一种情况就是，多篇文章，截取不同的段落，然后再重新组合，构成新的一篇文章，其实这种方式，对于搜索引擎判断是否原创，也是没有作用的，因为搜索引擎搜集指纹，可以段落或者更小的单元作为基础，这样，文章的每一段文字，搜索引擎都可以在数据库中，找到原创的地址，最后，这篇组合的文章，还是会被搜索引擎认定为转载。

　　Q猪对伪原创的建议：

　　1、通过翻译国外文章，由于文章是不同语言之间翻译得到的，所以两者的信息指纹是完全不同的

　　2、修改文章的信息指纹，调整文字间的特征词

　　当然，作为搜索引擎，最不喜欢的，就是网站运营者，通过一些搜索引擎的漏洞，反过来戏弄搜索引擎，这种情况，一旦被搜索引擎发现，网站将受到很严厉的惩罚，而且这种伪原创的方式，用户体验会很差，从而进一步影响网站在搜索引擎中排名表现，所以，对于网站管理者来说，真正有效的内容，是原创用户真正想要的内容。本文由Q猪博客(http://www.seozoro.com/)原创发布，尊重版权，转载请注明出处。