关于我们 RRS sitemaps 网站地图

首页 > SEO基础 > SEO优化 > 正文

SEM论坛

百度是怎么识别采集内容的

2019-07-10 09:28:38 |  评论:0  |  点击:  |  SEM论坛

百度是怎么识别采集内容的

百度飓风算法2.0在本月会上线,重点打击内容作弊,尤其是采集和伪原创。很多朋友就会问了,百度是如何识别内容是采集的呢,我对网站的首段和尾段都进行了修改,或者是做了纯原创操作,百度还能识别出来吗?本文,笔者就跟大家聊聊百度识别采集内容的那些事情。

我们知道,百度最先对于内容的识别和判断是基于分词的,也就是说,百度会把抓取到的文章内容进行分词,然后会按照词频的高低来判断文章的主题。这里举个很简单的例子,比如说我们在某篇文章里估计插入大量的目标关键词,百度仅仅用分词来判断,就会认为这篇文章的主题是我们插入的关键词。这也是我们做SEO优化强调关键词密度的原因。关于关键词密度的重要性,之前很重要,现在和以后还是会很重要,这是判断搜索相关性很重要的因素。

那我们再说到采集,因为之前百度对于内容的判断仅仅停留在分词上,所以其实对于采集的识别判断能力是很有限的,在某些程度上说根据分词得出的指纹特征并不是很科学。这也就导致出现了很多伪原创工具,通过替换词就能达到欺骗百度的目的,因为经过换词处理以后,百度是判断不出是否是采集内容的。不过对于整篇文章不做修改的采集,百度还是能很多的判断的,毕竟指纹是一模一样的。

但是,随着飓风算法2.0的推出,百度搜索已经能很完美的解决这个问题了。我们来看看百度搜索飓风算法2.0的说明,其中有一点是:

通常表现为站群网站,利用采集工具,针对特定的多个目标网站,根据对方标签的特性,定期采集多个网站的不同段落,进行组合拼接,形成所谓的原创内容。

大家请仔细理解这句话,很明显,百度已经能很多的识别段落了,也就是说从之前的分词已经上升到分句和分段。如果我们对于采集内容仅仅是做简单的首尾处理的话,还是会被百度搜索判定为采集内容的。

只能说,百度搜索一直在完善,想要在内容上欺骗百度搜索已经越来越难,最好的做法就是老老实实提供高质量的原创内容,或者是整合真正满足用户需求的有价值的内容。

关于百度怎么识别采集内容的问题,本文并没有做太多技术上的解释,因为笔者认为这没有必要,我们只需要知道百度已经能够很好的识别句子和段落就可以了。如果想要在内容上避开被判断为采集内容,那么就得想办法改变文章的每一段甚至是每一句。很显然,这样做的成本有点高。


关键字: