一、搜索引擎對原創(chuàng)的態(tài)度 1采集泛濫化 來自百度的一項(xiàng)調(diào)查顯示，超過80%的新聞和資訊等都在被人工轉(zhuǎn)載或機(jī)器采集，從傳統(tǒng)媒體的報(bào)紙到娛樂網(wǎng)站花邊消息、從游戲攻略到產(chǎn)品評測，甚至高校圖書館發(fā)的催還通知都有站點(diǎn)在做機(jī)器采集。 可以說，優(yōu)質(zhì)原創(chuàng)內(nèi)容是被包圍在采集的汪洋大海中之一粟，搜索引擎在海中淘粟，是既艱難又具有挑戰(zhàn)性的事情。 2 提高搜索用戶體驗(yàn) 數(shù)字化降低了傳播成本，工具化降低了采集成本，機(jī)器采集行為混淆內(nèi)容來源降低內(nèi)容質(zhì)量。 采集過程中，出于無意或有意，導(dǎo)致采集網(wǎng)頁內(nèi)容殘缺不全，格式錯(cuò)亂或附加垃圾等問題層出不窮，這已經(jīng)嚴(yán)重影響了搜索結(jié)果的質(zhì)量和用戶體驗(yàn)。 搜索引擎重視原創(chuàng)的根本原因是為了提高用戶體驗(yàn)，這里講的原創(chuàng)為優(yōu)質(zhì)原創(chuàng)內(nèi)容。 3 鼓勵原創(chuàng)作者和文章 轉(zhuǎn)載和采集，分流了優(yōu)質(zhì)原創(chuàng)站點(diǎn)的流量，不再具屬原創(chuàng)作者的名稱，會直接影響到優(yōu)質(zhì)原創(chuàng)站長和作者的收益。長期看會影響原創(chuàng)者的積極性，不利于創(chuàng)新，不利于新的優(yōu)質(zhì)內(nèi)容產(chǎn)生。 鼓勵優(yōu)質(zhì)原創(chuàng)，鼓勵創(chuàng)新，給予原創(chuàng)站點(diǎn)和作者合理的流量，從而促進(jìn)互聯(lián)網(wǎng)內(nèi)容的繁榮，理應(yīng)是搜索引擎的一個(gè)重要任務(wù)。 二、采集很狡詐，識別原創(chuàng)很艱難 1 采集冒充原創(chuàng)，篡改關(guān)鍵信息 當(dāng)前，大量的網(wǎng)站批量采集原創(chuàng)內(nèi)容后，用人工或機(jī)器的方法，篡改作者、發(fā)布時(shí)間和來源等關(guān)鍵信息，冒充原創(chuàng)。此類冒充原創(chuàng)是需要搜索引擎識別出來予以適當(dāng)調(diào)整的。 2 內(nèi)容生成器，制造偽原創(chuàng) 利用自動文章生成器等工具，“獨(dú)創(chuàng)”一篇文章，然后安一個(gè)吸引眼球的title，現(xiàn)在的成本也低得很，而且一定具有獨(dú)創(chuàng)性。 然而，原創(chuàng)是要具有社會共識價(jià)值的，而不是胡亂制造一篇根本不通的垃圾就能算做有價(jià)值的優(yōu)質(zhì)原創(chuàng)內(nèi)容。內(nèi)容雖然獨(dú)特，但是不具社會共識價(jià)值，此類偽原創(chuàng)是搜索引擎需要重點(diǎn)識別出來并予以打擊的。 3 網(wǎng)頁差異化，結(jié)構(gòu)化信息提取困難 不同的站點(diǎn)結(jié)構(gòu)化差異比較大，html標(biāo)簽的含義和分布也不同，因此提取關(guān)鍵信息如標(biāo)題、作者和時(shí)間的難易程度差別也比較大。 做到既提得全，又提得準(zhǔn)，還要最及時(shí)，在當(dāng)前的中文互聯(lián)網(wǎng)規(guī)模下實(shí)屬不易，這部分將需要搜索引擎與站長配合好才會更順暢的運(yùn)行，站長們?nèi)绻酶逦慕Y(jié)構(gòu)告知搜索引擎網(wǎng)頁的布局，將使搜索引擎高效地提取原創(chuàng)相關(guān)的信息。