国产精品日韩欧美一区二区-狠狠躁夜夜躁人人爽天天天天97-一级一片免费观看-偷拍亚洲综合20p-日韩视频在线播放-久久久女人与动物群交毛片-亚洲熟妇av综合网-91视频久久久-欧美亚洲在线视频-国产乱淫av片杨贵妃-二区国产-日韩久久不卡-91av色-美女扒开腿让男人桶爽久久软件-毛片在线视频播放-97se狠狠狠狼鲁亚洲综合网-国产女高清在线看免费观看-国产绿帽口舌视频vk-精品一区久久久-av黄色在线

搜索引擎和搜索引擎優(yōu)化(SEO)一直是一對矛盾，合理的優(yōu)化有助于搜索引擎對網(wǎng)站內(nèi)容的識(shí)別，有助于網(wǎng)站的推廣。然而有正面，就有反面，一些SEOers通過各種欺騙手段來欺騙搜蘇引擎，以期達(dá)到增加頁面收錄數(shù)和頁面排名的目的。

早期的關(guān)鍵字堆砌SpAM作弊方式之一，是將中文詞庫中的單詞直接用軟件拼湊成文章，這樣的文章沒有實(shí)際的意義，只能給搜索引擎看。那么對于這樣的文章，搜索引擎是通過什么方式來識(shí)別的呢？

我們知道，每個(gè)搜索引擎都有網(wǎng)頁質(zhì)量監(jiān)控部門，對于百度等摻雜人工處理的搜索引擎而言，用戶發(fā)現(xiàn)這樣的網(wǎng)站，投訴到百度，百度直接封了這個(gè)網(wǎng)站了事。但對于Google這樣的封站也是自動(dòng)處理的搜索引擎而言，對關(guān)鍵字堆砌作弊的識(shí)別就顯得更為重要了。

對于關(guān)鍵字堆砌作弊方式的識(shí)別，搜索引擎一般采用統(tǒng)計(jì)分析的方法進(jìn)行。

搜索引擎首先將網(wǎng)頁進(jìn)行分詞，分詞完成后可以得到詞的數(shù)量N和文章長度L，從大量文章的統(tǒng)計(jì)中發(fā)現(xiàn)文章的長度L和詞的數(shù)量N兩個(gè)數(shù)字之間存在一定的分布關(guān)系，一般而言L/N界于4至8之間，均值大約在5-6之間。也就是說一篇長度為1000字節(jié)的文章中，應(yīng)該有125-250個(gè)分詞，由于中文和英文的詞的組成不一致，因此在英文和中文中這個(gè)比值的范圍會(huì)有所不同。如果搜索引擎發(fā)現(xiàn)L/N特別大，那么這篇文章就存在就存在關(guān)鍵字堆砌現(xiàn)象了，如果L/N特別小，則可能是這篇文章是由一些詞所組成的沒有意義的文章，筆者對泥胚文章中的不同作者發(fā)表的文章進(jìn)行了驗(yàn)證，基本上都服從這個(gè)比值范圍。

進(jìn)一步，通過大量正常文章統(tǒng)計(jì)發(fā)現(xiàn)，文章中密度最高的幾個(gè)關(guān)鍵字出現(xiàn)的次數(shù)之和與N/L存在一定的分布關(guān)系，搜索引擎就可以通過網(wǎng)頁中的分布與統(tǒng)計(jì)結(jié)果的分布圖進(jìn)行比較得出文章是否存在關(guān)鍵字堆砌的現(xiàn)象。

此外，搜索引擎還將從停止字的比例來判定文章是否為自然文章。停止字就是如“的”“我”“是”等在文章中普遍使用的字或詞，如果文章中停止字的比例在正常的比例范圍之外，這個(gè)網(wǎng)頁應(yīng)提交到網(wǎng)頁質(zhì)量監(jiān)控部門審核。

當(dāng)然，還有更多的算法可以對網(wǎng)頁與自然語言的文章進(jìn)行比較分析，以判別文章是否為自然文章。

所謂魔高一尺、道高一丈，有些作弊者已經(jīng)放棄了單詞的組成文章的作弊方式，而改用句子組成文章的作弊方式，作弊者通過爬蟲或其它方式獲得網(wǎng)上文章的句子，并用軟件將數(shù)十篇文章的某幾句拼湊成一篇文章。這就需要搜索引擎做語義的分析來判斷是否作弊了，然而目前關(guān)于語義分析的研究還處于研究階段，這也是下一代智能搜索引擎的方向。

然而我們?nèi)匀徊荒軐⒆詣?dòng)文章生成一棍子打死，基于人工智能的文章生成仍然是人類研究自身語言以及自身智能的一個(gè)重要方向。作弊與反作弊，將能促使人類對人工智能的研究。

如果到最后，軟件能生成人類能夠理解的文章，這是SpAM還是精華？你能肯定地說目前存在的智能化程度還不夠高的RSS聚合文章一定是SpAM嗎？然而，如果這樣的文章海量的出現(xiàn)，我們又該如何去面對這個(gè)現(xiàn)象？

參考文獻(xiàn)：《搜索引擎原理、實(shí)踐和應(yīng)用》盧亮、張博文，2007