關(guān)于百度搜索引擎對(duì)原創(chuàng)文章識(shí)別機(jī)制之己見

　　百度官方搜索運(yùn)營(yíng)團(tuán)隊(duì)一再重申“原創(chuàng)”，只有對(duì)用戶有用的內(nèi)容才能得到百度給予排名的推薦，將優(yōu)質(zhì)內(nèi)容展示給用戶。作為百度搜索展示的內(nèi)容供應(yīng)商，我們所有站長(zhǎng)必須為其百度用戶輸送新鮮血液，以“為用戶創(chuàng)造價(jià)值”為己任，這才是站長(zhǎng)朋友們發(fā)展的方向與動(dòng)力，同時(shí)是為百度搜索引擎提供新的源泉，繼而成就百度搜索引入了流量間接也成就了自己，為此百度搜索為整個(gè)原生態(tài)系統(tǒng)平衡啟用了原創(chuàng)星火計(jì)劃，以打擊采集類網(wǎng)站。首批對(duì)象是受邀的新聞源網(wǎng)站，作為我們中小站長(zhǎng)而言看到了一絲希望，百度正努力改善原創(chuàng)文章識(shí)別機(jī)制原創(chuàng)文章軟件，識(shí)別中還存在有很多不足之處，快速反應(yīng)及識(shí)別原創(chuàng)面臨著很大的挑戰(zhàn)，整個(gè)網(wǎng)絡(luò)中數(shù)以千萬計(jì)的文章暫時(shí)無法做到百分百精確，百度官方也積極表示原創(chuàng)是生態(tài)問題，需要長(zhǎng)期改善文章原創(chuàng)度檢查工具，讓我們拭目以待。下面就談下編者通過最近運(yùn)營(yíng)的首推網(wǎng)站長(zhǎng)文章類資訊站點(diǎn)及之前運(yùn)行的一系列個(gè)人博客、企業(yè)營(yíng)銷網(wǎng)站所觀察到的一些相關(guān)數(shù)據(jù)進(jìn)行了分析總結(jié)，現(xiàn)將我對(duì)百度目前對(duì)原創(chuàng)文章識(shí)別機(jī)制的一些觀點(diǎn)(請(qǐng)注意文章原創(chuàng)度檢查工具，只是我個(gè)人觀點(diǎn))分享給大家，希望能為新站站長(zhǎng)帶來一點(diǎn)幫助原創(chuàng)文章軟件。

　　參考因素一、首次爬取確認(rèn)時(shí)間

　　網(wǎng)站日志圖

　　圖片說明：上面是18日的訪問日志，紅框內(nèi)1是百度蜘蛛來訪IP段220.181.108.171，2是來訪問的時(shí)間2013-8-18 04:09:08，3是爬取的相關(guān)路徑根目錄下的/seo/350.html。

　　百度蜘蛛首次爬行網(wǎng)站原創(chuàng)文章的URL路徑時(shí)間(如圖1),百度蜘蛛來訪問時(shí)間是2013-8-18 04:09:08此時(shí)蜘蛛爬取了路徑為/seo/350.html這篇文章文章原創(chuàng)度檢查工具，并將爬取的文章內(nèi)空發(fā)送回網(wǎng)頁(yè)分析系統(tǒng)，至于何時(shí)放出這就要看你網(wǎng)站的權(quán)重及可信度，此時(shí)百度網(wǎng)頁(yè)分析系統(tǒng)將文章進(jìn)行初次篩選并存入到網(wǎng)頁(yè)爬取數(shù)據(jù)總庫(kù)，同時(shí)記錄下爬取時(shí)間、類似文章對(duì)比排序編號(hào)、文章title標(biāo)簽等信息等，以便以后對(duì)類似信息對(duì)行對(duì)比篩選歸類，這里可以作為是考察屬于首次原創(chuàng)信息的基本因素之一，因?yàn)橹┲雽?duì)各個(gè)網(wǎng)站的爬取時(shí)間不一，有些低權(quán)重站可能發(fā)一篇文章要幾天后或更久才會(huì)被蜘蛛所爬取，在此期間或被其它高權(quán)重站所轉(zhuǎn)載或又沒有保留作者版權(quán)，而易被誤認(rèn)為是轉(zhuǎn)載方，對(duì)原創(chuàng)作者不公平也無法維持原創(chuàng)生態(tài)發(fā)展，轉(zhuǎn)載方卻冒充原創(chuàng)坐享其成，百度絕不允許這種事情發(fā)生，并將嚴(yán)力打擊這種行為;