1、對文章的內(nèi)容進(jìn)行分析比較

首先從搜索引擎角度去考慮：

用戶在做偽原創(chuàng)的時候，會經(jīng)常用到的方法有：

(1)刪除部分內(nèi)容

(2)添加部分內(nèi)容。在復(fù)制過來的文章里添加上兩句，或是把多篇文章合在一起。

(3)調(diào)換內(nèi)容順序。把原文1.A，2.B，3.C，4.D，5.E 改成 1.C，2.B，3.E，4.A，5. D

用分詞技術(shù)后對相關(guān)的內(nèi)容進(jìn)行比較，分析項目有：

(1)字?jǐn)?shù)大小

(2)幾個關(guān)鍵字出現(xiàn)頻率

(3)文中任幾句話

(4)鏈接

程序分析過程：

如果 (字?jǐn)?shù)大小一樣)并且(幾個關(guān)鍵字出現(xiàn)頻率一樣)并且(文中任幾句話一樣)并且(鏈接指向與本文有90%以上的相似度的文章)

或者 文中任5句(長短不一，可能是5-30個字)以上的話是一致的

那么 判定為抄襲或偽原創(chuàng)。

由上面的程序分析過程中，可以看出：簡單的刪除內(nèi)容、添加合并部分內(nèi)容、調(diào)換內(nèi)容順序、段落順序并不能讓搜索引擎當(dāng)做原創(chuàng)。為什么?因為用如上簡單的的方法就可以看出大概了。字?jǐn)?shù)大小、幾個關(guān)鍵字出現(xiàn)頻率、鏈接這都好辦，文中任幾句話對比這就不好辦了。

2、標(biāo)題

如果是一樣的，那很有可能是復(fù)制，但要是改了一下標(biāo)題呢，如把《成都租車常識》改成《教您怎樣在成都租車》，意思沒變，文字變了。所以，不能僅靠標(biāo)題來判斷是不是原創(chuàng)。但可以做以下分析：

因為搜索引擎的數(shù)據(jù)量實在太大，不可能對所有的內(nèi)容進(jìn)行遂一的結(jié)比，而是同樣是使用“分詞“技術(shù)：

(1)如果搜索引擎蛛蛛訪問的頁面是一個新的頁面，那么，它將先把這個頁面內(nèi)容收集起來，放入一個數(shù)據(jù)庫(或是其它)，等其它程序如專門對比內(nèi)容是不是原創(chuàng)、是不是有價值的程序進(jìn)行處理。這時候，這個內(nèi)容將不會被搜索出來。

(2)分析內(nèi)容。也是利用了分詞技術(shù)，對標(biāo)題、內(nèi)容等進(jìn)行分析。得出了這個頁面的主要內(nèi)容。如《周杰倫2010年專輯》這樣的篇文章時，它將與包括”周杰倫“、”2010“、”專輯“這樣的關(guān)鍵詞的文章進(jìn)行比較，而不用與所有的網(wǎng)頁進(jìn)行比較。如果結(jié)果是原創(chuàng)、比較有價值，則進(jìn)行收錄，給比較高的權(quán)重。如果被認(rèn)為是復(fù)制或抄襲，則不進(jìn)行收錄，或是給的權(quán)重很低。順便要說的是，對于這個頁面的權(quán)重，不僅僅是跟其本身的內(nèi)容、本身的內(nèi)容有關(guān)，能不能有好的排名，還要跟整個站點的權(quán)重有關(guān)。打個比方，如果這個頁面的權(quán)重是3，網(wǎng)站的權(quán)重是3，那加起來是6。要是別的網(wǎng)站轉(zhuǎn)載了這個文章，文章的權(quán)重是1，但他的網(wǎng)站的權(quán)重是7，那加起來就是8。6<8所以轉(zhuǎn)載的文章還是會排在原創(chuàng)文章的前面。

信息來源創(chuàng)新互聯(lián)：集群網(wǎng)站建設(shè)