采集很狡詐，識別原創很艱難
作者：黑貓警長
瀏覽：176次
發布時間：2018-01-11
分享
評論
贊0
2.1 采集冒充原創，篡改關鍵信息
當前，大量的網站批量采集原創內容后，用人工或機器的方法，篡改作者、發布時間和來源等關鍵信息，冒充原創。此類冒充原創是需要搜索引擎識別出來予以適當調整的。
2.2 內容生成器，制造偽原創
利用自動文章生成器等工具，“獨創”一篇文章，然后安一個吸引眼球的title，現在的成本也低得很，而且一定具有獨創性。然而，原創是要具有社會共識價值的，而不是胡亂制造一篇根本不通的垃圾就能算做有價值的優質原創內容。內容雖然獨特，但是不具社會共識價值，此類偽原創是搜索引擎需要重點識別出來并予以打擊的。
2.3 網頁差異化，結構化信息提取困難
不同的站點結構化差異比較大，html標簽的含義和分布也不同，因此提取關鍵信息如標題、作者和時間的難易程度差別也比較大。做到既提得全，又提得準，還要最及時，在當前的中文互聯網規模下實屬不易，這部分將需要搜索引擎與站長配合好才會更順暢的運行，站長們如果用更清晰的結構告知搜索引擎網頁的布局，將使搜索引擎高效地提取原創相關的信息。
猜你喜歡
評論(0人參與，0條評論)
發布評論
最新評論