杭州（zhōu）SEO专用徐少辉要说的是：网页查重（chóng）算法，也就是（shì）搜索引擎是怎么（me）检查两（liǎng）个网页的相似性的?这应（yīng）该是大家应该比较关心的（de）问题（tí）吧，因为这有（yǒu）助于让你的“伪原创”更（gèng）像一个“原创”

　　首先（xiān）我跟大家讲有名（míng）的（de）I—MATCH算法。

　　我们在（zài）比较两件事（shì）物的相似（sì）性时（shí），往往都（dōu）会拿能均衡的反应这事（shì）物本（běn）质的东西来比较，就像比（bǐ）赛时，要（yào）去除一个最（zuì）高分和最低分，然后再变（biàn）算（suàn）总分（fèn）一样（yàng）~~

　　I—MATCH算法基于的依据是，在文（wén）挡（dǎng）中（zhōng），特别高频的词和（hé）特别低频的词无法反应这一个文挡的真实内容，所以在比较之（zhī）前，先将（jiāng）文挡中高频词和（hé）低频词去掉(注意：这里的高频和低频指的是（shì）文档频率，并非关键词（cí）在你网页中（zhōng）的（de）密度!)

　　我们来看一个例子：

　　这里有两段网页文字：

　　1.中国足球队在（zài）米卢的率领下首次获得世界（jiè）杯决赛阶段的比赛资格，新浪体育（yù）播报（bào） 。

　　2.米卢率（lǜ）领中国足（zú）球（qiú）队员（yuán）首（shǒu）次杀入（rù）世（shì）界（jiè）杯决赛阶（jiē）段（duàn），搜（sōu）狐体（tǐ）育播报。(嘿（hēi）嘿，看到这（zhè）两句很（hěn）熟吧?)

　　文档(一)中去掉（diào）高频：中国，在，的，获得，比赛（sài），资格，新浪，体育，播（bō）报

　　去掉低频（pín）：米卢

　　则剩下中（zhōng）频词有：足球队，率领，首次，世界杯（bēi），决赛，阶段

　　文档(二)中去掉高频：中国，搜狐，体育，播报

　　去掉低频：米卢，杀入

　　则剩下中频词有：率领（lǐng），足（zú）球队，首次，世界杯，决赛（sài） ，阶（jiē）段

　　看到了吧?剩下（xià）的，两者（zhě）是一模一样 这就是相似性的存在

　　呵呵，其实这个（gè）例子很早（zǎo）就有过的。。

　　综（zōng）上所述（shù）：搜索引擎要检（jiǎn）测相似性（xìng），主要就是要分词和词频（pín）的比较!!