谈Google搜索引擎对原创内容的识别方式

　　记得我曾经在Google中文网站管理员博客在《由抄袭造成的重复内容》文章中看到过：“鉴别内容的原创来源是Google所擅长的，在大多数情况下原创内容源都能被正确地识别出来，从而不会给发布真正原创内容的网站带来任何负面影响……当有人剽窃了您网站中的内容，并将其展示在其他网站上牟利。Google在不同网站遇到相同内容的时候，会基于许多不同的依据来判断究竟哪个网站才是原创，而这样的判断通常是准确的。” 　　根据我的观察，Google识别原创内容源的能力有时候比较准，但有时候不太准，不准的情况主要是在中文网站上，因为Google无法用简单的链接权重来平衡门户网站和个人博客之间的孰是孰非。 　　目前的中国互联网仍然是主流门户网站的天下，个人博客的生存环境异常艰辛，个人辛辛苦苦的写作往往得不到回报，产生的内容却因为种种原因无法给个人带来应该得到的回报，所有的流量都逐步流向主流门户网站。通常情况下，Google给予门户网站的权值和网站权威度都非常高，当一篇完全相同的文章同时出现在门户网站和个人博客上的时候，Google往往认为原创者是门户网站，除非个人博客的权值非常大。 　　门户网站为了内容的大量更新而雇佣了不少“网站编辑”，“网站编辑”通过人肉筛选的方法从个人博客上挑选出优秀的文章，并将这些文章复制到门户网站，复制内容的同时通常会删除原始文章的作者和文章中的链接地址，同时小幅修改文章的标题，经过这一番“处理”，Google通常很难判断出到底哪个文章是原创，当一个原创个人博客的文章被大量门户网站复制之后，Google搜索引擎可能会惩罚这个原创博客，不再索引上面的文章。 　　在这里我详说下这么一个例子，我在自己的博客跟admin5网站同时发布了一篇《浅谈新站如何寻找友情链接》，文章迅速被转载到各各网站，而后就是大家所清楚的，在Google里搜索我的文章标题，没想到的是没有我文章的地址www.nanancn.com/这里有图为证。 　　 　　结果是，我的原始文章被搜索引擎惩罚了，至今在百度上找不到我的文章地址了，而Google前几天才重新索引了我这篇文章，其余时间网站的排名都被上面那些主流门户网站抢走了。 　　从内容上说，个人博客的内容远远无法和主流门户网站相比，主流门户网站拥有自己的编辑团队和营销团队，具有足够的资源和能力输出更好的内容，而个人博客要写一篇好文章需要酝酿很长时间，每周能写一篇好文章已经算不错了，这就注定了个人博客是竞争不过门户网站的。 　　当然，个人博客也有自己的对策，就是要求门户网站删除复制的文章，但通常会浪费巨大的时间和精力，当被复制的文章累计到成千上万的时候，完成这种工作量通常是不可能的任务。 　　因此，Google要想在中文的互联网环境下实现对于原创内容识别的准确性，需要考虑使用专门针对中国特殊国情的特殊算法，否则，中国原创的博客群落将会逐渐被门户网站边缘化，走向自生自灭的可悲下场，最为可悲的是，中国最大的搜索引擎百度对于原创内容的识别几乎是一片空白，这也使得当前中国的互联网的环境显得异常恶劣。 　　本文来源于听风看海 http://www.nanancn.com/ , 原文地址：http://www.nanancn.com/post/60.html 转载请保留版权，请尊重他人成果。