关于百度搜索引擎对原创文章识别机制之己见

　　百度官方搜索运营团队一再重申“原创”，只有对用户有用的内容才能得到百度给予排名的推荐，将优质内容展示给用户。作为百度搜索展示的内容供应商，我们所有站长必须为其百度用户输送新鲜血液，以“为用户创造价值”为己任，这才是站长朋友们发展的方向与动力，同时是为百度搜索引擎提供新的源泉，继而成就百度搜索引入了流量间接也成就了自己，为此百度搜索为整个原生态系统平衡启用了原创星火计划，以打击采集类网站。首批对象是受邀的新闻源网站，作为我们中小站长而言看到了一丝希望，百度正努力改善原创文章识别机制原创文章软件，识别中还存在有很多不足之处，快速反应及识别原创面临着很大的挑战，整个网络中数以千万计的文章暂时无法做到百分百精确，百度官方也积极表示原创是生态问题，需要长期改善文章原创度检查工具，让我们拭目以待。下面就谈下编者通过最近运营的首推网站长文章类资讯站点及之前运行的一系列个人博客、企业营销网站所观察到的一些相关数据进行了分析总结，现将我对百度目前对原创文章识别机制的一些观点(请注意文章原创度检查工具，只是我个人观点)分享给大家，希望能为新站站长带来一点帮助原创文章软件。

　　参考因素一、首次爬取确认时间

　　网站日志图

　　图片说明：上面是18日的访问日志，红框内1是百度蜘蛛来访IP段220.181.108.171，2是来访问的时间2013-8-18 04:09:08，3是爬取的相关路径根目录下的/seo/350.html。

　　百度蜘蛛首次爬行网站原创文章的URL路径时间(如图1),百度蜘蛛来访问时间是2013-8-18 04:09:08此时蜘蛛爬取了路径为/seo/350.html这篇文章文章原创度检查工具，并将爬取的文章内空发送回网页分析系统，至于何时放出这就要看你网站的权重及可信度，此时百度网页分析系统将文章进行初次筛选并存入到网页爬取数据总库，同时记录下爬取时间、类似文章对比排序编号、文章title标签等信息等，以便以后对类似信息对行对比筛选归类，这里可以作为是考察属于首次原创信息的基本因素之一，因为蜘蛛对各个网站的爬取时间不一，有些低权重站可能发一篇文章要几天后或更久才会被蜘蛛所爬取，在此期间或被其它高权重站所转载或又没有保留作者版权，而易被误认为是转载方，对原创作者不公平也无法维持原创生态发展，转载方却冒充原创坐享其成，百度绝不允许这种事情发生，并将严力打击这种行为;