2019久久精品免费网站,2019久久精品在线资源,2019年国产精品看视频

<th id="a2iaj"><legend id="a2iaj"></legend></th>
<th id="a2iaj"><source id="a2iaj"></source></th>
  • <progress id="a2iaj"><legend id="a2iaj"></legend></progress>
    <th id="a2iaj"><strike id="a2iaj"></strike></th>
    <button id="a2iaj"></button>

  • <button id="a2iaj"></button>

    <th id="a2iaj"></th>
    <button id="a2iaj"></button>

      <th id="a2iaj"><del id="a2iaj"></del></th>

    1. 專注于網站推廣優化,承接營銷型網站建設,整站優化外包,關鍵詞快速排名 價格低性價比高,咨詢QQ:20167856

      百度是如何判斷網頁重復的

      SEO經驗分享 2017-10-31

      文章摘要:百度是如何判斷網頁重復的?從事 SEO優化 的都會了解在(2011)之前一般是通過比較兩個頁面的內容和節點,來確認兩個頁面的相似度。這種方法能夠計算得比較準確,可時間復雜度太高,計算很費時...

      百度是如何判斷網頁重復的?從事SEO優化的都會了解在(2011)之前一般是通過比較兩個頁面的內容和節點,來確認兩個頁面的相似度。這種方法能夠計算得比較準確,可時間復雜度太高,計算很費時間。通過對一個頁面中的某些重要信息進行簽名,然后比較兩個頁面的簽名,來計算相似度,這種方式比較簡單 高效,計算速度比較快,比較適合互聯網這種海量信息的應用場景!

      在百度專利《一種網頁重復的判斷系統及其判斷方法 》(申請號:201110031636.9 )中使用了新的方法對網頁庫中的網頁進行重復檢測.

      首先是對待檢測的網頁進行正文提取,正文提取的方法就是對網頁進行分塊,然后獲取正文塊,然后提取正文塊中的文章.

      提取到文章內容后,對正文進行分句,然后對每一個句子進行轉換和過濾(特殊字符),對較長的一個或幾個句子進行Hash簽名,以獲得網頁正文句子簽名.

      百度是如何判斷網頁重復的

      接著把正文句子簽名相同的文章分為一個類,我們稱之為網頁集,對該網頁集下的文章再進行下一步的判斷,這里還得再計算一些簽名

      1.網頁正文的simhash簽名

      2.真實標題的hash簽名

      3.標簽標題的hash簽名

      4.網頁摘要的hash簽名

      5.網頁內容的hash簽名

      6.位置簽名的hash簽名

      7.評論信息的hash簽名

      8.資源簽名(資源簽名是通 過對網頁中的圖片資源、聲音資源、視頻資源或下載鏈接資源的 url 進行 hash 簽名運算獲得)

      9.URL文件名的hash簽名(url文件名簽名是通過對網頁的 url 中的文件名進行 hash 簽名運算獲得)

      這些計算完了,就可以進行下一步的判斷了,真重復的網頁舉例:

      1、兩個網頁的真實標題簽名相同。

      2、兩個網頁的網頁內容簽名相同。

      3、兩個網頁的網頁正文簽名(simhash)的不同位數小于 6。

      4、兩個網頁的網頁位置簽名相同,并且 url 文件名簽名相同。

      5、評論塊簽名、資源簽名、標簽標題簽名、摘要簽名、url 文件名簽名中有三個簽名相同。

      通過兩兩頁面比較,可以得到真重復 url 的集合。一般來說,如果這個真重復 url 集合中的網頁的數量 / 整個網頁集中網頁的數量> 30%,則認為整個網頁集都是真重復, 否則就是假重復。

      轉載請注明 大寶SEO博客  微信/QQ1044248335

      關注微信公眾號:zmseo888 免費領取優化工具跟外鏈大全

        喜歡(
        預約SEO專家

        添加QQ:20167856 免費領取優化工具和最新排名算法一份

        評論 發表我的評論
        昵稱: 驗證碼: 點擊我更換圖片
        ()小伙伴在吐槽
        2019久久精品免费网站,2019久久精品在线资源,2019年国产精品看视频