杭（háng）州SEO专用徐少辉要说（shuō）的是（shì）：网页查重算法（fǎ），也就是（shì）搜索引擎是怎（zěn）么检查（chá）两个网页（yè）的相（xiàng）似（sì）性的?这应该是大家应（yīng）该比较关心的问（wèn）题吧，因为这有助（zhù）于（yú）让你（nǐ）的（de）“伪原创”更像一个“原创”

　　首先我跟（gēn）大（dà）家讲有名的I—MATCH算法。

　　我们在比较（jiào）两件事（shì）物的相似性时，往往都会拿能均衡的反（fǎn）应这事物本质（zhì）的（de）东西来比（bǐ）较，就（jiù）像比赛时，要（yào）去除一个最高分和最低分（fèn），然后再（zài）变算总（zǒng）分一（yī）样（yàng）~~

　　I—MATCH算法基于的依据是（shì），在文挡中，特别高频的（de）词和特别低频的词无法反应这（zhè）一个文挡的真实（shí）内容，所以在比较之前，先将文挡中高频词和低频词去掉（diào）(注意：这里的高频和低频指的是（shì）文档频率，并非（fēi）关键词在你网（wǎng）页中的密度!)

　　我（wǒ）们来看一个（gè）例子：

　　这里有两（liǎng）段网页文字：

　　1.中国足球队在（zài）米（mǐ）卢的率领下首次获得世界（jiè）杯决（jué）赛阶（jiē）段的比赛（sài）资格，新浪体育播（bō）报（bào） 。

　　2.米卢率领中国足（zú）球队员（yuán）首次（cì）杀（shā）入世界杯决赛阶段（duàn），搜狐体育（yù）播报。(嘿嘿，看到这两（liǎng）句很熟吧?)

　　文档(一（yī）)中（zhōng）去掉高频：中国（guó），在，的（de），获得，比赛（sài），资格，新（xīn）浪，体（tǐ）育，播报（bào）

　　去掉低频：米卢

　　则（zé）剩下（xià）中频词有：足（zú）球队（duì），率领，首次（cì），世界杯，决赛，阶段（duàn）

　　文（wén）档(二)中去掉高频（pín）：中国，搜狐，体育，播报

　　去（qù）掉低频：米卢，杀入

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

　　看（kàn）到（dào）了吧?剩下的，两者是一模（mó）一（yī）样 这（zhè）就（jiù）是相似性的存在

　　呵呵，其实（shí）这个例（lì）子很早就有过（guò）的。。

　　综上所述：搜索（suǒ）引擎要检测相似性（xìng），主要就是要分词（cí）和词频的比较!!