百度如何判断页面相似度(页面相似度查询)

百度如何判断页面相似度,页面相似度查询

内容导航：

百度是如何判断网页的相关性

请问怎么查询文章的相似度

百度如何判断文章的原创度

人民不需要第二个“百度”

一、百度是如何判断网页的相关性

我们可以这样解释：一个词，在某个网页中出来的次数多，那么这个网页就与该词相关，也就是俗称的关键词密度也叫词频。事实上随着搜索引擎技术的不断成熟和更新，已经有越来越多的因素可以用来判定了。标题出现关键词
在一个页面的标题中出现了关键词，这显然该关键词与该页面是非常相关的，这也是百度非常看重的地方，以标题出现关键词来判断页面的相关性，哪怕仅仅只是出现了一次，百度也会认为它是非常具有相关性的。领域相关性
简单来说就是该站点或页面是否出自知名、权威的站点，比如：马特·卡茨他是谷歌反垃圾组的老大，出自他博客的内容，显然被SEOer们当作圣经，因为他是这个领域的权威人士，如果其它非知名权威的站点或页面，那这个页面与该词也不具备领域的相关性的。主题匹配度
搜索引擎会分析该页面并将该页面的主题提取出来，再加上可以根据用户搜索的词来计算出来一个主题匹配的程度，匹配的程度越高，显然就是越相关的。页面长度：页面要有一定的内容，没有什么内容的页面或者是内容太短的页面通常会被搜索引擎认为不太靠谱。作弊：通过穿插关键词、工具伪原创等形式，在百度如何去重当中也讲过这些方式其实搜索引擎同样可以判断出来，而且会有作弊嫌疑从而被惩罚。其它因素重要位置出现：如果该词出现在该页面比较重要的位置，从这方面讲也是可以判断出该页面的相关性的。
据百度官方的技术工程师透露，类似以上提到的这些影响百度搜索系统的因素在百度的构架当中会有数百个之多，再加上百度的封闭，使得外界更难以去捉摸百度的其它因素。当然，封闭的目的是担心我们知道得太多从而影响百度的商业(事实上现在SEO也确实在影响了)，但也给了一些有心人机会，由于封闭，极少部分童鞋能够通过实践找到百度的漏洞(也就是算法当中某个小细节不完善)，从而可以直接影响百度的搜索质量。

二、请问怎么查询文章的相似度

我做网站优化，经常写文章，有时候需要为原创，为了更好的做到原创，写完文章，需要查询我的文章的相似度，如果网上有文章给我的文章相似度超过20%，我就不能发表了！比如主、谓、宾和时间、地点、人物还有事情的起因、经过、结果之类的从word里面复制过去的可以吗？应该不受影响吧？

三、百度如何判断文章的原创度

答：百度判断文章的原创度是通过把我们发布的文章与它数据库内的文章做比较，如果重复度不超过它规定的一个百分比就可以判断为原创。所以我们在写文章的时候，要尽量避免与网上原有的文章大篇幅重复，可借助点睛号编辑器的原创检测功能，3秒全网比对出检测结果，重复部分会有标识，可一边修改一边检测直到文章的原创度达到一个百分比，用这种做法基本可以过百度甚至其他平台的查重机制。

四、人民不需要第二个“百度”

滴滴越来越像百度了，尤其是当我们拉通复盘时间线上的每一个关键节点时，两者正在呈现出越来越密集、越来越相似的交集。

比如老板谈论曾经的最大竞争对手时，都自信“来之即战、战之必胜”——

李彦宏谈谷歌（2018年8月初）：

“现在中国的科技公司有足够的能力和信心，在与国际企业的良性竞争中变得更强”，“如果现在谷歌回来，我们正好可以真刀真枪地再PK一次，再赢一次。
”

谷歌是2000年先于百度在中国市场上推出独立搜索服务的，2005年更是加大投入，而百度是后来者居上，通过技术和产品创新反超Google。
到2010年，谷歌在市场份额持续下降的情况下退出中国时，百度的市场份额已经超过70%。

程维谈UBER（2018年8月初）：

吴晓波问到“如果Uber在滴滴之前合并快的，是否会赢面大一点？”滴滴出行创始人兼CEO程维表示，“即使它这样做，我觉得到最后也改变不了结局。
因为中国互联网从来没有输过”；滴滴赢Uber不是靠资本是靠服务；

比如官方回应“人命”事件时，都将问题引导向了产品和技术——

李彦宏回应魏则西事件（2016年5月）：

一月份的贴吧事件、四月份的魏则西事件引起了网民对百度的广泛批评和质疑。
其愤怒之情，超过了以往百度经历的任何危机……因为从管理层到员工对短期KPI的追逐，我们的价值观被挤压变形了，业绩增长凌驾于用户体验，简单经营替代了简单可依赖，我们与用户渐行渐远，我们与创业初期坚守的使命和价值观渐行渐远。
如果失去了用户的支持，失去了对价值观的坚守，百度离破产就真的只有30天。

滴滴官方回应顺风车事件（2018年8月）：

对于乐清顺风车乘客赵女士遇害一事，我们感到万分悲痛。
在顺风车整改期间发生这样的悲剧，我们深感自责与愧疚。
作为平台，我们辜负了大家的信任，负有不可推卸的责任。

比如进行负面业务线进行整改时，都以“单月”为单位迅速完成并点到为止——

滴滴的顺风车业务（第一起顺风车凶杀案）：

-2018年5月12日零点，滴滴下线顺风车业务，暂停接受22时至次日6时订单 网约车司机每日出车前也须人脸识别，还从即日起对其他平台业务的所有司机全面审查，并宣称将公布整改情况。

-2018年5月19日，滴滴出行顺风车重新上线。
不论是司机还是乘客，必须完成包括上传身份证、人脸识别等6项措施后才能使用顺风车；

-2018年6月13日，局部恢复部分夜间时段订单，只允许车主与乘客为同一性别。

百度的竞价排名和推广信息业务（魏则西事件后）：

-2016年5月9日，国家网信办会同国家工商总局、国家卫生计生委成立的联合调查组入驻百度进行调查，并提出了一系列整改要求；

-2016年5月17日，百度推广标识全面更换，将原来的“推广”标识全部替换为“商业推广”字样，并更换字体颜色、增加下划线，加入明显区别于其他区域的底纹颜色；

-2016年5月24日，百度全面实现每页面商业推广信息条数所占比例低于30%。
相当于全新调整之后，每个页面上、下和右侧的推广信息合计起来不会超过4条，同时对2518家医疗机构、1.26亿条医疗信息进行了下线处理；

再比如再次爆发负面时，危机几乎往往原封不动地留在“整改环节”上——

滴滴顺风车：

8月24日13时，赵某（浙江乐清人，20岁）乘坐滴滴顺风车，从虹桥镇前往永嘉。
14点10分，赵某向朋友发送微信称“司机开的山路没有一辆车，有点怕”，5分钟后，另一名好友收到其“救命、抢救”的微信后与赵某失去联系，赵某父亲随后报警——此前该名司机有过被举报记录未果、滴滴也未在第一时间联系到涉案司机。

百度竞价排名：

2018年5月，有网友称他在PC端百度搜索“德邦”，在移动端搜索，排名靠前的却是长得跟“德邦”几乎一模一样的“付德邦”广告。
同月18日，《新京报》报道，百度竟然又悄无声息地重启了医疗关键字的竞价排名。

问题出在哪里？大概是滴滴在极速扩张过程中不小心感染上的“百度基因”：

1、他们的品牌成为了所在领域内的代名词；

2、他们不直接提供服务，而是作为承载大量服务的平台；

3、都在打败或者挤走直接对手后，变得让人们“忍无可忍”又“无可奈何”，在行业内享受着垄断性的地位；

这种基因对于创业公司是天赋。
因为当产业内所能提供的绝大部分资源，快速地向某个单一平台进行集中，这个平台也会随之成为某个生活场景成立的基础，也在这个过程中同步地让那些必须要进入这个生活场景中的用户，被动地随着场景落地平台的迁移成为自己的“种子用户”。

但这种基因对用户来说却很残酷。
虽然理论上平台只是技术/服务对接用户需求的媒介，资源集中本质上也只是产业在某一阶段里的寻租，垄断程度再高也很难出现“没有XX就寸步难行”的局面，但普通个体用户与“理论”之间的距离还相隔着学习能力（不足）、钻研时间（零散）和投入成本（有限）这三个最现实的门槛。

简单来说，对于需求越来越繁杂的普通用户来说，最有性价比的需求解决方式也是权利寻租。
于是平台逐渐成为了技术，逐渐成为了某个生活场景，逐渐取代了人们进行某种行为的唯一媒介。

还有更可怕的地方。
由于权利寻租是一次性的静态行为，而产品发展是线性的动态行为，两者之间必然形成的时间差，也往往会造成一个相当矛盾的局面：

人们当初寄予权利寻租的产品，已经不仅仅是当初那个垂直于某个需求的产品。

比如滴滴之于出行，慢慢衍生出了顺风车、租车和二手车；比如百度之于搜索，慢慢衍生出了问答、社区和内容分发，即便在业务成型的实际过程中再有联系，但其业务行为的终点终归是不同的，需要重新在硬核层面接受市场竞争的检验，可“百度基因”却显然帮滴滴跨越了这个流程。

当然直接将这种缺陷命名为“百度基因”确实有些不公平，毕竟历史上也有很多先例，比如饥荒年代，饥民们冲进观音庙内哄抢“观音土”。
哪怕土壤里再有硅、锌、镁、铝等矿物质，但这次受用的是人类的消化系统，人类的食谱也从来没有土，这显然是原始信仰对于其他事物的“过分加成”。

但我们的互联网，总不至于和这些愚昧的封建迷信对标吧？

所以我们可以喊着“算法没有价值观”，来喂送信息流，但请别再喊着“平台没有提供直接产品，所以我们也是没有办法”。
是的，“平台”不提供产品，百度没有提供“莆田”的医院，滴滴顺风车也没有“提供”出事的顺风车。
那办法呢？从过程来看，百度和滴滴顺风车不是没有过机会“做个好人”，除了道歉以外提供平台服务的公司需要的“公信力”，滴滴顺风车现在消耗滴滴的品牌上的公信力。

正如大多数普通人没有条件使用Google不得不使用百度，不是每个人都能买车，以后滴滴也可能只是一款不得不使用的软件。
知道吃观音土真的会死，但却是找不到肉吃，站在行业的顶端公司每一次服务都可以理性，但越来越显现于冷漠的时候，我们该怎么办？

我们看起来无可奈可，因为他们都已经足够大，大到不倒不下去。
还因为这是“无可奈何“的事情，就怕已经如刚成年的新一批年轻人一样他们互联网经历里面没有google，而下一批用着互联网成长起来的年轻人都已经习惯了滴滴的这种服务。

“百度”这个中文互联网有标签含义的公司，或许他自己有改变，或许以后这个标签会消失，但在中文互联网的时间线上它的很多动作都让人觉得“谢谢老天，幸好，我们只有一个百度”。

再插句题外话。
当年还在上大学的时候，新闻写作课老师曾经提出过一个课外拓展话题：“我们该不该歧视劳改犯？”

按照我们之前所接受过的传统教育，这显然是一个不需要经过思考就能得出答案的问题。
因为“知错能改善莫大焉”，不能用某人以前的所作所为去无端地苛责未来。

但随着课堂上的辩论，我们的疑问也越来越多：“是否知错”有绝对标准去衡量吗？如果“是否知错”没有绝对标准去衡量，那么法律的判决是否又是最准确“犯错成本”量化？又或者说“犯错成本”是否可以量化？人们的鄙视或抵制其实是社会审判的一个必要环节，是犯错者也理应承受的犯错成本？

当然，“道德只能自律不能他律”，这个问题没有最终的标准答案。
但可能连大学教授也没有想到的是，越来越呈现出“黑暗森林”生存法则的互联网行业，正在不断地用近乎魔幻的危机，给这个问题提供最丰富的样本：

主要使用主体是人，行为是由人的主观意志发出，是作用到人类社会当中，那么犯错成本是不能被量化的，量化越多越反人性。

本文来自微信订阅号“互联网指北”（hlwzhibei），专注于互联网文化、营销、产品。
转载必须保留作者、公共帐号信息，且与原文严格一致。
如有疑问请联系作者微信：melodyfu

*文章为作者独立观点，不代表虎嗅网立场

虎Cares

案例研习+现场实战体验

五大明星案例搞懂新零售之【虎嗅-虎跑团线下参访】

8.30号正式起航，详情点击「盒马参访」

并可获得由虎嗅精选联合虎跑团共同打造的

「新零售精选案例」电子书

19.9入手，限量300份发售中