百度识别原创之路如何走?

百度识别原创之路如何走?

1. 组建原创项目组打持久战

面对挑战，为提升搜索引擎的用户体验，让优质原创者的原创网站获得应有的收益，为推动中国互联网的进步，我们派出大量员工组建原创项目组：技术、产品、运营、法务等，这不是临时组织，不是一两个月的项目，我们准备打持久战。

2. 原始识别“原点”算法

互联网上有数百亿或数千亿的网页，提取原始内容可以说是大海捞针。我们独创的鉴权系统，在百度大数据的云计算平台上开发，可以快速对所有中文互联网网页进行重复聚合和链接索引链接分析。

首先，通过内容相似度对集合和原创性进行聚合，将相似的网页聚合在一起作为原创性识别的候选集；

其次，对于原始候选集，通过作者、发布时间、链接、用户评论、作者和网站的历史原创性、转发轨迹等数百个因素对原始网页进行识别和判断；

最后通过价值分析系统对原创内容的价值进行判断，进而正确引导最终的排名。

如今，随着我们的实验和真实的互联网数据，“起源”算法有了一些进步，解决了新闻和信息领域的大部分问题。当然，其他领域还有更多原创问题等着《起源》来解决，我们要坚定不移地走下去。

3.原创 Spark 项目

我们一直在做原创内容的识别和排序算法的调整，但是在当今的互联网环境下，快速识别原创内容和解决原创问题是一个很大的挑战。 ，复杂的内容提取等。这些因素会影响原始算法的识别，甚至会导致判断错误。如今，百度和站长们共同维护互联网生态环境是很有必要的。这就是“原始星火计划”，旨在快速解决我们今天面临的主要问题。此外，站长对原创内容的推荐将应用到“Origin”算法中，这将帮助百度找到算法的不足，不断改进，并使用更智能的识别算法自动识别原创内容。

目前，原创Spark Project也取得了前期成果，第一阶段对部分重点原创新闻网站的原创内容在百度搜索结果中标注了原创性、作者展示等，同时也标注了排名和流量.合理改善。 .

最后，原创性是一个环境问题，需要长期改进，我们会继续投入，与站长们共同推动互联网生态的进步；原创性是一个环境问题，所有人都必须维护，我们会继续努力。改进排序算法，鼓励原创内容，为原创作者和原创网站提供可接受的排序和流量。