杭州SEO专用徐少辉要说的是：网页查重算法，也就（jiù）是（shì）搜索引（yǐn）擎是怎（zěn）么检查两个网页的相似（sì）性的?这应该是大家应该比（bǐ）较（jiào）关心的问（wèn）题吧，因为（wéi）这有（yǒu）助于让你的“伪原（yuán）创（chuàng）”更像一个“原创（chuàng）”

　　首先（xiān）我（wǒ）跟大（dà）家讲（jiǎng）有名的I—MATCH算法。

　　我们在比较两件事（shì）物的相似性时，往（wǎng）往都会拿（ná）能均衡（héng）的（de）反（fǎn）应这事物本质（zhì）的东西来比较，就像（xiàng）比赛时，要去除一个最高分（fèn）和（hé）最低分，然后再变算总分一样~~

　　I—MATCH算法基于的（de）依据（jù）是，在（zài）文挡（dǎng）中，特（tè）别高频的词和特（tè）别低频（pín）的词无（wú）法反（fǎn）应这一个文挡的真实内容，所以在比（bǐ）较之前（qián），先（xiān）将文挡中高频词（cí）和低频词去掉(注意：这里的高频和低频指的是（shì）文（wén）档频率，并非（fēi）关键词在（zài）你网页中的密度!)

　　我们来看一（yī）个（gè）例子：

　　这里（lǐ）有两（liǎng）段网页文字：

　　1.中国足（zú）球队（duì）在米卢的率（lǜ）领（lǐng）下（xià）首次获得世界（jiè）杯决（jué）赛阶段的比赛资格，新浪体育播（bō）报 。

　　2.米卢（lú）率领中国足球队员首次杀入世（shì）界杯（bēi）决赛阶段，搜狐体育播（bō）报。(嘿嘿（hēi），看到这两（liǎng）句很熟吧?)

　　文档(一)中（zhōng）去（qù）掉高（gāo）频：中国，在，的，获得（dé），比（bǐ）赛，资格，新浪（làng），体育，播报

　　去掉低频（pín）：米卢

　　则剩下（xià）中（zhōng）频（pín）词有：足球队，率领，首次，世界杯（bēi），决赛，阶（jiē）段

　　文档（dàng）(二（èr）)中去掉高频（pín）：中国（guó），搜狐，体育，播报（bào）

　　去掉低（dī）频：米卢，杀入

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

　　看到了吧?剩下的，两者是（shì）一模一样 这就是相似性的存在

　　呵呵，其实这个（gè）例（lì）子很早就有（yǒu）过的。。

　　综（zōng）上所述：搜索引（yǐn）擎要检测相似性（xìng），主要就（jiù）是要（yào）分词（cí）和（hé）词频的比较!!