关于百度对网站内容的识别

ttjymyngfn

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aishangpifa.com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。
　　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aitesafe.com
　　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heimaoSEO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。