经过我的观察和实践，现在百度能够识别语句的基本通顺情况。
但是段落和整篇文章的识别还是差强人意，说白了，还是根据一句一句的话来总结整篇文章的类别和价值。
所以，仅仅考虑收录问题，通顺在一定程度上超过原创。
什么意思？
如果一篇文章，没有可读性，也就是所谓的垃圾文章，虽然原创度很高，但因为没有一句话是通顺的，百度识别为零，甚至会为负数。
假如一篇文章是原创 ，真正自己写的原创文章，语句通顺。
百度自身仍无法精准判断此文章的价值高低。他毕竟不是人，所以初级的判断很简陋，洪雨总结以下几点。
一是原创度，这个不用说了，以往数据库匹配。
二是关键词密度，也就是当年被拿来作弊的那个最原始的算法。
三是被转载次数。以前百度计算文章，都是谁权重高，就算谁的，现在不是了，现在是谁先发的，就算谁的。
这是初级计算。
再次计算，估计就是看看文章首发网站的权重，权重高的，就给文章算价值高点。反正就是攀高枝了，就算你高。毕竟有些网站审核还是挺严格的，本身就是新闻源，高官子女自然要多照顾。
这样基本判断这个文章是收还是不收，是放还是不放，如果放，先排在什么位置上。
最后计算是，投票算法。这个就不说了，看网友的搜索行为判断。
2020年，百度的算法已经相当的成熟，市面上很多的所谓原创，为原创工具其实作用已经很小了。
洪雨不断的在研究新的算法，希望能通过最简单的方法，实现混淆作弊。
发表评论：