• 网页内容抗排重的几种方式


     

     

    本来呢,这个应该是不传之秘的,不信到谷歌/baidu去搜搜看,"内容/页面/网页 抗排重"看有没有结果。

    不过我根据一个信念,那就是但凡你想得到的,谷歌都能搜得到,若是搜不到呢,那我就把它加上,让谷歌可以搜到。

    什么叫做抗排重呢,我们知道,许多网页的内容都是重复的,搜索引擎若是搜到的大篇大篇都是重复内容,自然没人去用了。所以在业界,剔除这些重复内容,通常我们叫做排重,也有叫"消重"的。

    这个世界上,有矛就有盾,所以就有了抗排重这么一说。

    如今的网页内容排重基本上都是根据信息指纹摘要来做的,这种做法可以保证完全相同的网页,一定能判断出它们重复,可是不完全相同的网页,可能有误判。

    大致是:先去除噪声,即页面中的无关紧要的tag,广告,只留下正文内容(详细什么算正文,算法说了算)。然后对正文进行分词,分词完后,去除高频词(事先会有一个高频词表),剩下的结果按照词频排序,组成这样的串,如:

    内容10重复8噪声1......

    然后从中按一定规则取一部分或许悉数,做一个hash摘要。以后每碰到一个网页,就按此法取摘要值,和已有的进行对比,据此判断是否重复。

    下面我引用一段别人总结的抗排重办法:

    办法一:拆分法

    把原有连续的文章,平均的截取成为2段3段或是更多。

    优点:下降类似度、提高访问者阅读的速度、添加页面访问量

    缺陷:文章无法连续阅读,原有的一次性阅读变得繁琐,同时对Title标题的优化也有一定的晦气,因为会有重复。不过数量较小的情况下不会有什么大碍。
     
    办法二:跟随法

    把每一个段落的结尾都添加一段话,可以是有情提示,小调查,或是其他文章的推荐。

    优点:进一步下降类似度,给可以更多讯息,提供更多运用的功能,例如"回到最上面"。

    缺陷:运用不当将下降用户体会,若是运用JAVASCEIPT等作有可能影响页面加载速度,干扰客户阅读主线。

    办法三:标签法

    在特定的关键词后添加友情注释。例如:我们所倡导的SEO(SEO相关信息)思想是......

    优点:添加用户体会,让客户可以了解更多并不熟悉的专业名词,从而更好理解文章含义。 还可以自然的重复关键词,添加关键词密度。

    缺陷:若是运用过多,会造成页面信息繁乱,下降用户体会。添加页面体积,下降加载速度。干扰原有关键词规划和密度。
     
    办法四:隐身法

    将一些没有实践用处的词运用图像代替,经过优化的GIF图像只有十几个字节,将文章中呈现的部分特定字或词进行隐身,也可以很好的到达下降页面类似度的效果。

    优点:不干扰关键词规划、不干扰用户体会、不影响阅读和加载速度、有效防止被采集。

    缺陷:只是添加少许加载时间,但几乎可以省略不计。

    这些办法呢,我没怎么用过,它们不是太麻烦自己就是太麻烦用户,可是我从排重算法本身的缺陷总结了一种办法,可谓万能抗排重法,既让用户用的很爽,自己实现也很轻松,还让搜索引擎摸不着头脑。

    今天写累了,改天有空接着写。

    注:此文重要意图在于让抗排重几个字能在谷歌搜到,并非为了普及垃圾站建站知识。所以读者不要当真,真有这么好办法我自己留着。

  • 相关阅读:
    分布式缓存负载均衡的规则处理:虚拟节点对一致性哈希的改进
    GoldenGate实时投递数据到大数据平台(6)– HDFS
    OGG 12.3中支持系统procedure复制的几点说明
    使用GoldenGate初始化的两种方式
    传统OGG与Microservice Architecture OGG的通信
    利用Oracle GoldenGate记录源系统所有表的操作
    GoldenGate实时投递数据到大数据平台(5)
    GoldenGate 12.2抽取Oracle 12c多租户配置过程
    GoldenGate实时投递数据到大数据平台(4)- ElasticSearch 2.x
    GoldenGate实时投递数据到大数据平台(3)- Apache Flume
  • 原文地址:https://www.cnblogs.com/mfryf/p/3121436.html
Copyright © 2020-2023  润新知