专业网站推广 ▪ 您的行业您做主!
按天收费,最透明的SEO收费方式,上一天自动扣一天费用
服务咨询热线
13425760101
SEO,SEO优化,百度关键词优化,seo人工优化,优化公司,关键词SEO优,百度SEO优化,网站优化,seo培训,新站优化,整站优化,快速排名,百度排名,7天快速排名,关键词优化,搜索引擎优化,佛山SEO
  • SEO技术
  • SEO教程
    • 讲解网站seo优化百度专利关于重复检测!
    • 2019-03-18 14:36 星期1 10519 0评论

      讲解网站seo优化百度专利关于重复检测!

       

      本文章由seo优化按天扣费用户上传提供

       在(2011)之前一般是通过比较两个页面的内容和节点,来确认两个页面的相似度。这种方法能够计算得比较准确,可时间复杂度太高,计算很费时间。通过对一个页面中的某些重要信息进行签名,然后比较两个页面的签名,来计算相似度,这种方式比较简单 高效,计算速度比较快,比较适合互联网这种海量信息的应用场景!

       

        在百度专利《一种网页重复的判断系统及其判断方法 》(申请号:201110031636.9 )中使用了新的方法对网页库中的网页进行重复检测.

       

        首先是对待检测的网页进行正文提取,正文提取的方法就是对网页进行分块,然后获取正文块,然后提取正文块中的文章.

       

        提取到文章内容后,对正文进行分句,然后对每一个句子进行转换和过滤(特殊字符),对较长的一个或几个句子进行Hash签名,以获得网页正文句子签名.

       

        接着把正文句子签名相同的文章分为一个类,我们称之为网页集,对该网页集下的文章再进行下一步的判断,这里还得再计算一些签名

       

        1.网页正文的simhash签名

       

        2.真实标题的hash签名

       

        3.标签标题的hash签名

       

        4.网页摘要的hash签名

       

        5.网页内容的hash签名

       

        6.位置签名的hash签名

       

        7.评论信息的hash签名

       

        8.资源签名(资源签名是通 过对网页中的图片资源、声音资源、视频资源或下载链接资源的 url 进行 hash 签名运算获得)

       

        9.URL文件名的hash签名(url文件名签名是通过对网页的 url 中的文件名进行 hash 签名运算获得)

      讲解网站seo优化百度专利关于重复检测! 

        这些计算完了,就可以进行下一步的判断了,真重复的网页举例:

       

        1、两个网页的真实标题签名相同。

       

        2、两个网页的网页内容签名相同。

       

        3、两个网页的网页正文签名(simhash)的不同位数小于 6。

       

        4、两个网页的网页位置签名相同,并且 url 文件名签名相同。

       

        5、评论块签名、资源签名、标签标题签名、摘要签名、url 文件名签名中有三个签名相同。

      讲解网站seo优化百度专利关于重复检测! 

        通过两两页面比较,可以得到真重复 url 的集合。一般来说,如果这个真重复 url 集合中的网页的数量 / 整个网页集中网页的数量> 30%,则认为整个网页集都是真重复, 否则就是假重复。

      “声明: 本文是(顺的推seo)原创,请尊重作者版权,文明转载也是一种美德。转载请保留链接!

    本文标签: 网站seo优化
    Copyright © 佛山市顺的网络工程有限公司 粤ICP备17011811号
    在线咨询
    客服中心

    咨询热线

    134-2576-0101

    优化咨询 售后咨询 渠道合作 建站咨询

    QQ图片20210414140546.jpg

    更多案例可加客服经理微信,朋友圈定期更新案例
      在线时间:8:00-18:00