對于創(chuàng)作者來說，最頭疼的莫過于自己辛辛苦苦幾個(gè)小時(shí)完成的一篇文章，剛發(fā)布完成就被抄襲走了，甚至別人網(wǎng)站立馬被收錄和有排名，而自己的文章卻既沒有收錄也沒有排名，自己寫的文章頁完全給別人做了嫁衣，今天我們就以搜索引擎算法角度來談?wù)劊惴ㄊ侨绾稳ヅ袛嘁黄恼率欠袷窃瓌?chuàng)，我們又該如何規(guī)避被別人抄襲采集走呢？

如何知道一篇文章是不是原創(chuàng)？百度算法是這樣判斷的

一、算法判斷原創(chuàng)度

說到原創(chuàng)，百度算法是這樣定義的，用戶花費(fèi)大量精力和時(shí)間成本去撰寫或整理出的一篇文章，文章內(nèi)容豐富詳實(shí)、這樣的文章在百度算法才算原創(chuàng)，但是我個(gè)人覺得，百度定義的原創(chuàng)并不能讓人信服，因?yàn)樾袠I(yè)內(nèi)90%以上都是采集或偽原創(chuàng)，所以我個(gè)人理解的原創(chuàng)，也就是我們通過自己經(jīng)驗(yàn)看法總結(jié)出來的一篇文章，文章可以跟其他文章有相似觀點(diǎn)或者看法，不完全雷同，這才算原創(chuàng)，但在百度算法中，這個(gè)過程又是怎樣的呢？我們來還原一下一篇文章從生產(chǎn)出來到后面到后面排名，究竟經(jīng)歷了什么？

我們可以列舉工作中最常見的場景，小王寫了10篇文章后，通過一系列排版和配圖后，發(fā)布到官網(wǎng)，隔幾天后，他發(fā)現(xiàn)這10篇文章中，有6篇被收錄了，搜索全標(biāo)題都有排名。針對這個(gè)場景，百度算法是如何運(yùn)算的？

小王在發(fā)布文章后，對應(yīng)生成的鏈接是www.abc.com/123.html，假設(shè)百度蜘蛛爬取該url后，分析url里的頁面內(nèi)容，同時(shí)，對照數(shù)據(jù)庫中未有該頁內(nèi)容，然后收錄保存到數(shù)據(jù)庫中，然后進(jìn)行相關(guān)算法進(jìn)行索引排名，注意的是，該url信息是在百度數(shù)據(jù)庫中不存在才給予抓取，如果123.html存在，則跳過不抓取。

百度蜘蛛把url抓取到庫中，有兩個(gè)算法決定了是否收錄，這兩個(gè)算法是把內(nèi)容切割，對照數(shù)據(jù)庫中是否有重復(fù)內(nèi)容，如果有，則不收錄，如果沒有則收錄，注意的是，百度抓取的是頁面，而并不是文章，所以這也是很多人有疑惑，為什么同樣一篇文章，有的站點(diǎn)收錄，有的站點(diǎn)不收錄，在算法中，百度只考察頁面。

在這其中，百度算法會(huì)依據(jù)抓取時(shí)間因子、內(nèi)容來進(jìn)行內(nèi)容判斷，來判斷該篇文章是否是原創(chuàng)，比如123.html在2022年6月18日14:50被百度抓取后，如果有其他站點(diǎn)采集了該文章，那么百度是可以識(shí)別出123.html是原創(chuàng)文章，反過來，如果123.html發(fā)布后并沒有被百度蜘蛛抓取前，就被人家采集走了，那么采集走的站點(diǎn)恰巧做了推送，那么百度會(huì)認(rèn)可采集走的文章是原創(chuàng)，而真正原創(chuàng)并不是原創(chuàng)，所以，你可能就看明白了百度算法判斷文章是否是原創(chuàng)的基本邏輯：

如何知道一篇文章是不是原創(chuàng)？百度算法是這樣判斷的

換句話說，如果我們的文章由于一些特定原因并沒有被抓取，也就是錯(cuò)失了被算法判斷原創(chuàng)內(nèi)容的機(jī)會(huì)，我們主要牢記時(shí)間因子、抓取、內(nèi)容這三點(diǎn)就可以了。

二、如何防止被別人采集走？

我們知道了以上三點(diǎn)后，就要防止被別人采集走，我們用的最多的就是防采集代碼，還有我們平時(shí)忽略的就是，發(fā)布文章后一定要記得給資源平臺(tái)提交數(shù)據(jù)。目前資源平臺(tái)的普通提交就可以滿足大部分站長的需求。發(fā)布提交、利用反爬代碼，讓站長無法去抄襲采集你的內(nèi)容。