杭（háng）州SEO专用徐少辉要说的是：网页查重算法，也（yě）就是（shì）搜（sōu）索引擎是怎么检查（chá）两个网页的（de）相似（sì）性的?这应该（gāi）是大家应（yīng）该比（bǐ）较关心的问题（tí）吧，因为（wéi）这（zhè）有助于（yú）让你（nǐ）的“伪原创”更（gèng）像一（yī）个“原创（chuàng）”

　　首先我跟大家（jiā）讲有名的I—MATCH算法。

　　我们在比（bǐ）较（jiào）两件（jiàn）事物的相似（sì）性时，往（wǎng）往都会（huì）拿能均衡（héng）的反应这事物本质的（de）东西来（lái）比较（jiào），就（jiù）像比赛时，要去除一个（gè）最（zuì）高分和最低分（fèn），然后再变算总分一样~~

　　I—MATCH算法基于的依据是（shì），在（zài）文挡中，特别高频的词和特（tè）别低频的词无法反（fǎn）应（yīng）这一（yī）个文挡的（de）真实内容（róng），所以在比较之前，先将文挡中（zhōng）高频词和低频词去掉(注意：这里的高频和低频指的是文档频率，并非关（guān）键词在你网页中的密度!)

　　我（wǒ）们来看一（yī）个例子：

　　这里有（yǒu）两段网页文字：

　　1.中国（guó）足球队在米卢的率领下首次（cì）获（huò）得世界杯决赛阶段的比赛资格，新浪体育（yù）播报 。

　　2.米卢率领中国足球队员首次杀入世界杯决赛阶段，搜狐体育（yù）播报。(嘿（hēi）嘿，看到这两（liǎng）句很熟吧?)

　　文档(一（yī）)中（zhōng）去掉高（gāo）频：中国，在，的，获得，比赛，资格，新（xīn）浪，体育，播报（bào）

　　去掉低频：米卢

　　则剩下中频词有：足球队（duì），率领，首次，世界杯，决赛，阶段

　　文档(二)中去掉高（gāo）频：中国（guó），搜狐，体育（yù），播报

　　去掉低频：米卢，杀入（rù）

　　则（zé）剩下中频词有：率（lǜ）领（lǐng），足球队，首次，世（shì）界（jiè）杯（bēi），决赛 ，阶段

　　看到了吧?剩下的，两者是一模一（yī）样（yàng） 这就是相似性的存在

　　呵呵（hē），其实这个（gè）例子很（hěn）早就（jiù）有过的。。

　　综上所述：搜索引擎要检测相似性，主要就（jiù）是要分词和词频的比较!!