搜索引擎如何识别网页关键字堆砌
feilong.org 修订于2008-10-29 08:26:39 176 次浏览合理优化网站有助于搜索引擎识别网站内容，但是关键字堆砌，作为早期SPAM作弊方式，有些过分，特别是那些直接用软件拼凑关键字形成的所谓文章。这种关键字堆砌，企图让搜索引擎增加页面收录和页面排名，可是搜索引擎已经能识别了。
搜索引擎如何识别网页关键字堆砌的？首先，现在搜索引擎都有网页质量监控部门，比如百度，人工参与搜索引擎，用户发现垃圾文章后投诉到相关部门。其次，类似谷歌，可以自动识别关键字堆砌。本日志更新网址：http://feilong.org/keyword-stuffing飞龙第3次修订于20100812
搜索引擎如何自动识别呢？一般采用统计分析的方法。
一、N/L值
1、首先将网页进行分词，分词完成后可以得到：词的数量N和文章长度L。
2、从大量统计中发现，文章长度L和词的数量N两个数字之间存在一定的关系，一般L/N的值界于4至8之间，均值大约在5-6之间。如果一篇有1000字节，那么应该有125-250个分词。由于中文和英文组词方式不一致，这个比值范围会有所不同。
3、如果搜索引擎发现L/N值太大，那么这篇文章就存在关键字堆砌的嫌疑。如果L/N特别小，那么这篇文章可能是东拼西凑的所谓文章。
统计发现，文章中密度最高的几个关键字出现的次数之和 与 N/L值，也有一定关系。
二、停顿字
搜索引擎还依据停顿字的比例来判定文章是否为自然文章，停顿字包括“的、我、是”这些普遍用词。如果文章中停顿字比例在正常范围之外，那么这个网页会提交到网页质量监控部门进行审核。
三、当然还有更多算法，可以对是否是自然语言的文章进行分析。
有些作弊者放弃了单词组成文章的作弊方式，而改用句子组成文章。作弊者通过爬虫或其它方式获得网上文章句子，用软件将数十篇文章中的某几句拼凑成一篇文章。这就需要搜索引擎做语义分析。目前语义分析还处于研究阶段，这也是下一代搜索引擎的方向。
如果到最后，软件能生成人类能够理解的文章，这是SPAM还是精华？你能说RSS聚合的文章一定是SPAM吗？但是如果这样的聚合出现太多，谁又来手工撰写原创的文章？
更新网址：https://feilong.org/keyword-stuffing
最初发布：20081029 08:26:39 feilong.org 于广州
加入收藏夹，查看更方便。
所在分类： 网站优化
