文章內(nèi)容

文章重復(fù)性的感受

發(fā)布時(shí)間: 2012/9/3 11:14:03

se可以說(shuō)一個(gè)是由全球頂尖的it工程師們開(kāi)發(fā)出的超大型算法程序，遠(yuǎn)沒(méi)有想象的那么簡(jiǎn)單。

判斷文章相似度并不是簡(jiǎn)單的看一個(gè)頁(yè)面

se判斷相似度是一個(gè)綜合指標(biāo)，并不是簡(jiǎn)單的看你某頁(yè)面是否與數(shù)據(jù)庫(kù)里的某個(gè)頁(yè)面相似，而是基于整站構(gòu)架的考慮，如果你全是采集，目錄構(gòu)架和采集站一樣的話，仍然能識(shí)別出你是重復(fù)內(nèi)容，所以即使你每個(gè)頁(yè)面都加一些例如轉(zhuǎn)載信息類的文字來(lái)試圖和原頁(yè)面不同，如果正文還是采集回來(lái)的話，se仍然能識(shí)別出你是重復(fù)內(nèi)容。

并不是說(shuō)換了套不一樣的模板就顯得不相似了

se處理頁(yè)面文字是將所有的html代碼去掉看的，所以并不是說(shuō)換個(gè)模板它就認(rèn)為你和原頁(yè)面不形似。

另外如果是已經(jīng)做了一段時(shí)間的站建議不要換模板，因?yàn)閾Q模板可能會(huì)把每個(gè)頁(yè)面的內(nèi)部鏈接變掉，有可能會(huì)影響搜索引擎收錄，如果實(shí)在要換，建議保持原有頁(yè)面的內(nèi)部鏈接規(guī)則。

se會(huì)把每個(gè)元素分解開(kāi)來(lái)處理

se判別相似度的因素很多，他會(huì)把頁(yè)面的所有因素都劈開(kāi)，如頁(yè)面title，整體布局，文字信息，內(nèi)部鏈接架構(gòu)，url規(guī)律，再綜合評(píng)判你是否相似。

所以除非你能把采集回來(lái)的東西把這些因素都和原站幾乎所有的因素都不形似，但是如果你真能做到的話，那也就不叫采集了。
本文出自：億恩科技【www.23lll.com】

服務(wù)器租用/服務(wù)器托管中國(guó)五強(qiáng)！虛擬主機(jī)域名注冊(cè)頂級(jí)提供商！15年品質(zhì)保障！--億恩科技[ENKJ.COM]