超级蜘蛛池

超级蜘蛛池之网站中了“飓风算法”

时间:2017-08-24 22:26 |  作者:www.cjzzc.com |  阅读:(293)


     2017年7月7日,百度正式推出“飓风算法”

    从官方文档中来看,飓风算法的命中对象是站点,而不是网页;主要是针对以恶劣采集为内容主要来源的网站,而不是所有包含恶劣内容的站点。

    哪些内容算是恶劣采集?恶劣采集内容,一般是指没有花费时间,精力,专业能力,人工整合的内容,或者说对用户没有任何附加价值的内容。

这部分内容有以下几种类型:

1、从其他站点采集的内容

   包括整个页面内容都是采集、主题内容是采集,或者多篇采集拼凑成的内容。这种类型内容很容易被识别。

2、采集之后轻度加工的内容

     包括修改了部分词语,修改了部分句子,或者使用单词批量替换的形式(部分伪原创工具)。这种类型的识别难度稍微大一点。

3、从某些动态站点采集的内

包括采集其他搜索引擎的搜索结果,采集新闻feed流。

注意几个要点:主体内容、恶劣采集、附加价值。

哪些内容不算是恶劣采集?

    为什么有些网站也是采集的,但没有受到影响,比如某doc、某浪。其实只要做到某个要点,就不算是恶劣采集,这个要点就是:给用

户带来附加价值。附加价值有站点增益和内容增益两种。这个时候可以引用百度搜索技术博客《浅谈互联网页面价值》的一段内容:

    某人发表了一篇针对某新闻事件的原创博客,随后被新浪转载到了新闻频道。从描述的内容上讲,这是一种重复。但这种重复仅仅是主体内容上的重复,一方面它的转载带来了访问速度、稳定性等方面的增益,并且之后的检索用户还有可能用“新闻事件+新浪”来检索此新闻。这可以被称之为站点增益。另一方面,它在转载过程中可能会改变页面的标题,而且依托其受众,在转载页面上,还有可能出现更多的有价值评论和回复等,还有可能存在指向其它相关事件的新闻链接。这些可以被称之为内容增益。因此即使主题内容没有任何变化,新浪的这次转载也是有价值的,其稀缺度也是较高的。

    同样,反过来说,如果转载的网站相当不知名,则其无法带来站点名/稳定性/速度的增益。更有甚者,转载之后在页面上加入大量广告妨碍阅读,或者只转载了内容中不完整的一部分,这样的转载,或者说采集,就是纯重复的,与采集源相比,就是没有检索价值的了。

    综上所述,对于主体内容重复的页面,我们应该评价其是否存在站点增益和内容增益,只有对于大量完全无增益的重复页面,我们才应该认为其稀缺度较低。

   这里的要点是:页面价值、增益

   因此说,只要能够带来站点增益,内容增益,给用户带来附加价值,那就表明这个网页有其独特的价值,是不会被飓风算法命中的。自百度推出“飓风算法”,首先中招的有这些大家熟悉的站。


7月7日中枪网站,大部分是范文类


7月6日中枪网站,大部分是范文类


躺枪案例:t262.com


躺枪案例:sanwen8.cn

被飓风算法影响怎么办

    飓风算法主要是针对没有价值的采集,一旦中招没有任何解法。而被误伤的优质原创可以通过反馈中心申诉。

    因此,一旦被飓风算法命中,只要不是明显误伤,短期内都没有办法解决。(被搜素引擎算法命中,一般都是普遍存在的,不被搜素引擎接受的做法,一般没办法申诉,Google也是如此。只有人工处理的能申诉。)

如何避免被飓风算法命中

    采集会被算法惩罚,而内容完全原创,成本又非常高。那如何生成内容,而又不被飓风算法惩罚呢。其实还是围绕内容增益上去解决,有几个解决方法:

1、增加用户点评模块

   页面增加用户点评模块,当有用户点评之后,点评内容也会成为网页内容的一部分,产生了额外价值。作为用户,在阅读完内容之后,也希望看一下真实用户的意见,比如这个内容是否属实,信息是否失效,有没有额外的提醒等。不过要注意的是,点评内容最好是在源码中实现,而不是在JS中(方便搜素引擎识别)。

示例:网易新闻跟帖

    


2、增加内容推荐模块

   根据网页主题,添加相关的内容模块,比如延伸阅读,之前报道,相关阅读等。作为用户,可以更加详细完整的了解事件的发展,比如关于“张艺兴”的一篇新闻,可以了解他之前参加过什么活动,有什么绯闻,参与的极限挑战的进展情况等。这些对用户来讲,都是非常有价值的。实现思路:一种是人工编辑;一种是算法实现,比如根据TF-IDF提取出主体关键词,再拿关键词去跟历史内容匹配。


示例:网易新闻下的延伸阅读

3、内容整合

   根据主题,将多篇内容整合为一篇。跟之前内容相比,整合后的内容更加丰富,可以满足用户更多需求。比如一篇“梦见老虎”的内容,如果能够添加“梦见老虎吃人”、“梦见被老虎追”等内容,将会更可能命中用户的梦境。另一种比较常见的就是专题页,将相关主题的内容全部组织起来,按照要程度安排内容布局。这种专题页有运营小伙伴编辑的,也有程序生成的(使用开源搜索引擎,比如Lucene,Sphinx,Xapian)。

示例:网易 - 香港回归20周年专题


4、申请百度原创

   如果确实是优质原创内容,还是推荐加入百度原创保护项目。目前这个项目在内侧阶段,需要百度邀请加入。

   如果你的网站已经中了“飓风”,如何恢复网站排名呢?以武汉seo看来,你只能照如此做,然后看百度的反应吧。

   1、如果你采集了,请自行删除采集内容,并用robots.txt进行处理,坚持原创,坐等百度给你伸出橄榄枝;

   2、警告:如果你的内容都是抄袭的,而且每天发布数量较多(超过100条且没多少原创),即便没采集,估计将来也会中飓风,百度目前的思想是建立一个绿色生态,他老人家并不希望互联网上有大量重复的内容,因为没有价值。

   3、随着数据的增加,百度也肯定恼火大量重复内容给搜索引擎带来的困扰,因为你去做搜索引擎,也不希望遇到这种麻烦,成本问题、算法问题、大站建立骗取流量问题,都头疼。

   4、时代变了,将来能够存活下来的站点,一定是有较多高质量原创内容的网站,内容为王的时代已经开启革命,也只有这样,百度才有玩内容推介资本,才不会被大量自媒体分走流量和客户,事关存亡,百度不会希望中国也出现一个facebook,微信自媒体、头条等,一个是社交流量,一个是原创生态,都越来越强大。