做好网页去重网站收录排名太简单了

谷歌广告中有效的否定关键词作用很大
2018年7月11日
账户架构的细节决定SEM推广的成败
2018年7月13日

做好网页去重网站收录排名太简单了

一、网页去重的重要性

在搜索引擎眼里,它更喜欢给用户展示高质量的文章,其内容有原创性,且能吸引用户的文章。不希望在同个页面看到重复性高的文章。而我们SEOER就是要在编辑内容的时候,避免采用很多人用过的文章,这样就能避免网络上信息的大量重复而导致自己的网站被搜索引擎屏蔽,这样蜘蛛以后就很难再抓取了。

二、搜索引擎工作原理

搜索引擎是根据计算机运算原理,首先从互联网中发现、收集信息,再对其信息提取、组织建立索引库,为用户提供检索服务。当用户搜索时,在索引库中快速检出文档,将用户检索相关的信息展示给用户的系统。

具体的工作原理:

 第一步:爬行

搜索引擎是通过一种特定规律的软件跟踪网页的链接,从一个链接爬到另外一个链接,像蜘蛛在蜘蛛网上爬行一样,所以被称为“蜘蛛”。搜索引擎蜘蛛的爬行是被输入了一定的规则的,它需要遵从一些命令或文件的内容。

第二步:抓取存储

搜索引擎是通过蜘蛛跟踪链接爬行到网页,并将爬行的数据存入原始页面数据库。其中的页面数据与用户浏览器得到的HTML是完全一样的。搜索引擎蜘蛛在抓取页面时,也做一定的重复内容检测,一旦遇到权重很低的网站上有大量抄袭、采集或者复制的内容,很可能就不再爬行。

第三步:预处理

搜索引擎将蜘蛛抓取回来的页面,进行各种步骤的预处理。

除了HTML文件外,搜索引擎通常还能抓取和索引以文字为基础的多种文件类型,如PDF、Word、WPS、XLS、PPT、TXT文件等。我们在搜索结果中也经常会看到这些文件类型。但搜索引擎还不能处理图片、视频、Flash这类非文字内容,也不能执行脚本和程序。

第四步:排名 

用户在搜索框输入关键词后,排名程序调用索引库数据,计算排名显示给用户,排名过程与用户直接互动的。但是,由于搜索引擎的数据量庞大,虽然能达到每日都有小的更新,但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。

三、去重三种代表性方法

搜索引擎包括全文索引、目录索引、元搜索擎、垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。去重的工作一般在分词之后索引之前,搜索引擎会在页面已经分出的关键词中,提取部分具有代表性的关键词进行计算,从而得出一个该网站关键词的特征。

目前, 网页去重代表性方法有三种。

1.基于聚类的方法。该方法是基于网页文本内容以6763个汉字作为向量的基,文本中某组或某个汉字所出现的频率就构成了代表网页的向量,通过计算向量的夹角确定是否是相同的网页。

2.排除相同URL方法。各种元搜索引擎去重主要采用此方法。它分析来自不同搜索引擎的网页URL,URL相同,即被认为是相同的网页,可将其去除。

3.基于特征码的方法。这种方法利用标点符号多数出现在网页文本的特点,以句号两边各5个汉字作为特征码来唯一地表示网页。

这三种方法中,一、三大都还是基于内容来判定,所以很多时SEOER会通过伪原创工具来修改文章内容,但是很多时候伪原创工具会将原文改的不通顺,这样也不利于排名与收录。

总结

所以对于SEOER来说,网页去重是一门艺术,不能去一味的抄袭,或者做一些劣质的伪原创。因为对于大多的网站来说,我们都希望是原创,但不同的人有不同的经验,就没法展开来讲了,总之了解了搜索引擎网页去重,再去原创或者搬运就轻松多了。

发表评论

电子邮件地址不会被公开。 必填项已用*标注