关于百度对网站内容的识别

khx123456 · 发表于 2013-10-6 09:55:35

　　上个月开始，我制作了两个旅游信息类网站，目前网站收录良好，快照实时更新，但一直尚未有排名。我个人分析了一下，可能在网站的内容上还存在一些问题，那么今天在这里跟大家讨论一下关于百度对网站内容的识别这一个问题。
　　一、百度对网站内容原创度的识别
　　今年5月份开始，百度推出了百度原创火星计划，很明显的一个标志就是在页面的索引前加上了一个时间。百度方面的说明是，在原创内容上面获得优待方式上只要满足了用户需求前提下，给予优先展示，另外，展现上，给原创内容还进行标记。但是，根据我个人实际操作各部分站长的反馈来看，大家都感觉百度的原创识别技术不高，包括笔者在内。
　　拿二一网来说，有时候自己写的原创文章，收录了，但是并没有原创内容的标记;有的时候非原创的文章转载过来，却有原创内容的标记。当然，出现这种情况可能是百度本身在原创内容的识别上数据库不够强大，后台内容比对过渡还不够完善。从专业学术的角度来看，如果一篇文章里有连续的30个字与其他地方的文章相同，同时引文不添加引用标记，则可以认定为抄袭。
　　与百度原创火星计划相相似的谷歌原创计划运行这么长时间以来，也一直没有取得较好的效果。个人认为，现在更多的内容识别可能更依赖于百度权重而已，与文章内容并无太大关联。
　　二、百度对网站内容排版格式的识别
　　不知道大家有没有这样的体会，建好一个网站后，能过网站采集功能，从其他相关网站采集回来，对文章格式进行处理后，再发布到网站上去，百度也能给予原创内容的标记。
　　原本以来，百度蜘蛛抓取时，只会抓取文章正文内容，丢弃代码格式。但是，反过来一想，百度需要识别一些使用格式来做黑帽SEO的手法，从这一点需要上来说，百度不会丢弃网页代码，在抓取时会将代码与正文一同抓取。
　　那么，有了上面的分析，我们通过在现在文章上添加一些新的格式、排版就能实现文章的伪原创了吗?对于这个问题，我现在还不能完全给出结论，但可以肯定的一点的是，文章排版排除用户体验的因素后，对百度的抓取还是有一定影响的。
　　三、百度对网站内容页面中时间的识别dsgdgthjtyuty1006
　　百度快照超前和快照滞后这两种情况不知道大家有没有见过，但是我在实际操作过程发现这种情况依然存在的。先来解释一下这两种现象吧：jcylc024.com
　　百度快照超前，就是百度快照时间超过了当前时间，举个例子，今天是2013年9月12日，但是你的网站中有一个网页快照是2014年9月12日。百度快照滞后则正好相关，比如你发布了一篇文章，发布时期是2013年9月12日，按百度目前的处理情况来看，百度快照应该是2013年9月12日，但是现在你的快照时间是2012年9月12日，而快照时间点上，你的网站还没有上线呢!这又是一种什么情况呢?hfgjylc849.com
　　通过分析整理，发现是百度对网页中时间的抓取处理上存在问题。比如，2013年9月12日发布了一篇文章，但是这篇文章的发布时期上却写的是2012年9月12日，那么就有可能出现快照滞后的现象。快照超前则相反。当然，出现这种情况也都只是可能，并不一定都会这样，这也暴露了百度在索引中存在的一些问题。有兴趣的同学可以去试验一下，在快照时间与关键词排名方面可以研究一下。djylc024.com

MyTools黄源兴 · 发表于 2013-10-11 18:25:08

为了不扰乱会员对源码的测试，有问题咨询右侧客服不要直接回复，否则视为非法信息屏蔽会员ID！

好帖，有才！

		自动登录	找回密码
密码			会员注册

[转载] 关于百度对网站内容的识别