无码专区—va亚洲v天堂,青青青视频免费一区二区,久久久久久久99精品国产片,日本大香伊一区二区三区,精品久久亚洲中文无码,久久久一本精品99久久,国产精品88久久久久久妇女,午夜视频网址
聯(lián)
咨詢熱線:

17661095540

聯(lián)系QQ:

2863379292

官方微信:

百度如何判斷網(wǎng)頁文章的重復(fù)度

網(wǎng)站優(yōu)化

導(dǎo)讀:在這個科技高度發(fā)達的時代,百度已經(jīng)成為人們能獲取消息的主要途徑。但如今的百度,到處充斥著一些重復(fù)的內(nèi)容,對用戶的訪問造成很大的困擾。因此,百度需要對網(wǎng)頁重復(fù)進行判斷,對重

發(fā)表日期:2019-08-07

文章編輯:興田科技

瀏覽次數(shù):13233

標簽:

在這個科技高度發(fā)達的時代,百度已經(jīng)成為人們能獲取消息的主要途徑。但如今的百度,到處充斥著一些重復(fù)的內(nèi)容,對用戶的訪問造成很大的困擾。因此,百度需要對網(wǎng)頁重復(fù)進行判斷,對重復(fù)的網(wǎng)頁,只選取一些高質(zhì)量的我那工業(yè),共用戶瀏覽。然而,現(xiàn)有技術(shù)中一般是通過比較兩個頁面的內(nèi)容和借點,來確認兩個頁面的相似度。

百度如何判斷網(wǎng)頁文章的重復(fù)度 衡陽怎樣推廣網(wǎng)站

這種方法能夠計算的比較準確,可時間復(fù)雜度太高,計算很費時間。通過對一個頁面中的某些重要信息進行簽名,然后比較兩個頁面的簽名,來計算相似度,這種方式比較簡單高效,計算速度比較快,比較適合百度這種海量信息的應(yīng)用場景。

1,網(wǎng)站重復(fù)內(nèi)容的判斷

A,獲取多個網(wǎng)頁;

B,分別提取網(wǎng)頁的網(wǎng)頁正文;

C,從網(wǎng)頁正文中提取一個或多個句子,并根據(jù)一個或多個句子計算網(wǎng)頁正文句子簽名;

D,根據(jù)網(wǎng)頁正文句子簽名對多個網(wǎng)頁進行聚類;

E,針對每一類下的網(wǎng)頁,計算網(wǎng)頁的附加簽名;

F,根據(jù)附加簽名判斷每一類下的網(wǎng)頁是否重復(fù)。

網(wǎng)站頁面基本架構(gòu)

提取正文

A,對網(wǎng)頁進行分塊;

B,對分塊后的網(wǎng)頁進行塊過濾,以獲取包含網(wǎng)頁正文的內(nèi)容快;

C,從內(nèi)容塊中提取網(wǎng)頁正文。

正文分句

A,對網(wǎng)頁正文進行分句;

在本步驟中,可利用分號,句號,感嘆號等表示句子完結(jié)的標志符號來對網(wǎng)頁正文進行分句。此外,還可以通過網(wǎng)頁正文的視覺信息來對網(wǎng)頁正文進行分句。

B,對分句后的網(wǎng)頁正文進行過濾及轉(zhuǎn)換;

在步驟中,先過濾掉句子中的數(shù)字信息;版權(quán)信息以及其他對網(wǎng)頁重復(fù)判斷不起決定性作用的信息。隨后,對句子進行轉(zhuǎn)換,例如,進行全角/半角轉(zhuǎn)換或者繁體/簡體轉(zhuǎn)換,以使得轉(zhuǎn)換后的句子的格式統(tǒng)一。

C,從過濾及轉(zhuǎn)換后的網(wǎng)頁正文中提取長的一個或多個句子;

在本步驟中,過濾及轉(zhuǎn)換后的網(wǎng)頁正文提取出長的一個句子或者做場的預(yù)定數(shù)量連續(xù)句子的組合。例如,某個網(wǎng)頁實例中,經(jīng)過過濾及轉(zhuǎn)換后的某段長,遠超其他句子,因此可選擇該段為網(wǎng)頁正文句子,或者選擇長的連續(xù)句子組合作為網(wǎng)頁正文句子。

D,對一個或多個句子進行hash簽名運算,以獲取網(wǎng)頁正文句子簽名。

simhash算法就是比較各網(wǎng)頁的附加簽名是否相同或相似來判斷網(wǎng)頁是否重復(fù)。具體來說,在比較利用simhash簽名運算獲得的網(wǎng)頁正文簽名時,比較網(wǎng)頁正文簽名的不同位數(shù),不同位越少,表示網(wǎng)頁重復(fù)的可能性越高,在比較其他的附加簽名時,若附加簽名相等,表示網(wǎng)頁在該緯度上重復(fù)。

總結(jié):

1、兩個網(wǎng)頁的真實標題簽名相同。

2、兩個我那工業(yè)的網(wǎng)頁內(nèi)容簽名相同。

3、兩個網(wǎng)頁的網(wǎng)頁正文簽名的不同位數(shù)小于6.。

4、兩個網(wǎng)頁的網(wǎng)頁位置簽名相同,并且url文件名簽名相同。

5、評論塊簽名、資源簽名、標簽標題簽名、摘要簽名、url文件名簽名中有三個簽名相同。

附加信息整站判斷重復(fù)標準:

相關(guān)推薦

更多新聞

在线免费观看a视频| 99re热精品视频中文字幕不卡| 欧美性猛交aaaa片黑人| 久久青草国产精品一区| 成人品视频观看在线| 久久精品国产99国产精品亚洲| 国产一区二区三区韩国| 中文字幕佐山爱一区二区免费| 久久婷婷丁香七月色综合| 就去干成人网| 成人午夜国产内射主播| 欧美三级第一页| 日日摸夜夜添狠狠添欧美| 欧美激情在线播放| 亚洲18色成人网站www| 免费观看一区二区av蜜桃| 又大又粗一级毛片| 国产成人综合亚洲精品| 米奇7777狠狠狠狠视频影院| 日本边添边摸边做边爱喷水| 亚洲 另类 日韩 制服 无码| 最大色网男人的av天堂| 97视频在线观看免费视频| 中文字幕AⅤ人妻一区二区| 曰韩人妻无码一区二区三区综合部| 少妇人妻丰满做爰xxx | 男受被做哭激烈娇喘gv视频| 久久午夜伦鲁鲁片免费| 国产亚卅精品无码| 久久久久中文字幕精品视频| 日本免费一区二区三区在线看| 天堂av无码大芭蕉伊人av孕妇| 夜夜躁狠狠躁日日躁| 欧美xxxx狂喷水| 在线无码午夜福利高潮视频| 狠狠色综合网久久久久久| 国产精品无码久久av| 成人日韩av不卡在线观看| 全部毛片免费看| 忍着娇喘人妻被中出中文字幕| 亚洲成aⅴ人片久青草影院按摩|