SEO: 解析I—MATCH算法-打造终极“伪原创”文章

现在要介绍的是:网页查重算法。也就是搜索引擎是如何检查两个网页内容的相似程度的。这应该是很多站长都比较关心的问题。

首先跟大家介绍有名的I—MATCH算法。

我们在比较两件事物的相似性时,往往都会拿能均衡的反应这事物本质的东西来比较。就像比赛时,要去除一个最高分和最低分,然后再变算总分一样~~~

I—MATCH算法基于的依据是,在文挡中,特别高频的词和特别低频的词无法反应这一个文挡的真实内容,所以在比较之前,先将文挡中高频词和低频词去掉(注意:这里的高频和低频指的是文档频率,并非关键词在你网页中的密度!)

我们来看一个例子:

这里有两段网页文字:

1.中国足球队在米卢的率领下首次获得世界杯决赛阶段的比赛资格,新浪体育播报 。

2.米卢率领中国足球队员首次杀入世界杯决赛阶段,搜狐体育播报。(嘿嘿,看到这两句很熟吧?)

文档(一)中去掉高频:中国,在,的,获得,比赛,资格,新浪,体育,播报

去掉低频:米卢

则剩下中频词有:足球队,率领,首次,世界杯,决赛,阶段

文档(二)中去掉高频:中国,搜狐,体育,播报

去掉低频:米卢,杀入

则剩下中频词有:率领,足球队,首次,世界杯,决赛 ,阶段

看到了吧?剩下的,两者是一模一样 这就是相似性的存在

呵呵,其实这个例子很早就有过的。。

综上所述:搜索引擎要检测相似性,主要就是要分词和词频的比较!!

不知道大家是否都清楚了?呵呵~~~

就到这里吧。祝大家的“伪原创”越来越好! SEO学习还任重道远啊!一起努力。

点赞 (0)

发表评论

电子邮件地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据