搜索系统战搜索系统优化(SEO)不断是一对冲突，开理的优化有助于搜索系统对网站内容的辨认，有助于网站的推行。但是有正里，便有背面，一些SEOers经由过程各类棍骗手腕去棍骗搜苏引擎，以期到达删减页里支录数战页里排名的目标。

晚期的枢纽字堆砌SPAM做弊方法之一，是将中文词库中的单词间接用硬件拼集成文章，那样的文章出有实践的意义，只能给搜索系统看。那么关于那样的文章，搜索系统是经由过程甚么方法去辨认的呢？

我们晓得，每一个搜索系统皆有网页量量监控部分，关于百度等搀杂野生处置的搜索系统而行，用户发明那样的网站，赞扬到百度，百度间接启了那个网站了事。但关于Google那样的启站也是主动处置的搜索系统而行，对枢纽字堆砌做弊的辨认便隐得更加主要了。

关于枢纽字堆砌做弊方法的辨认，搜索系统普通接纳统计阐发的办法停止。

搜索系统尾先将网页停止分词，分词完成后能够获得词的数目N战文章少度L，从年夜量文章的统计中发明文章的少度L战词的数目N两个数字之间存正在必然的散布干系，普通而行L/N界于4至8之间，均值约莫正在5-6之间。也便是道一篇少度为1000字节的文章中，该当有125-250个分词，因为中文战英文的词的构成纷歧致，因而正在英文战中文中那个比值的范畴会有所差别。假如搜索系统发明L/N出格年夜，那么那篇文章便存正在便存正在枢纽字堆砌征象了，假如L/N出格小，则能够是那篇文章是由一些词所构成的出故意义的文章，笔者对泥胚文章中的差别做者揭晓的文章停止了考证，根本上皆从命那个比值范畴。

进一步，经由过程年夜量一般文章统计发明，文章中稀度最下的几个枢纽字呈现的次数之战取N/L存正在必然的散布干系，搜索系统便能够经由过程网页中的散布取统计成果的散布图停止比力得出文章能否存正在枢纽字堆砌的征象。

别的，搜索系统借将从截至字的比例去断定文章能否为天然文章。截至字便是如“的”“我”“是”等正在文章中遍及利用的字或词，假如文章中截至字的比例正在一般的比例范畴以外，那个网页应提交到网页量量监控部分考核。

固然，借有更多的算法能够对网页取天然言语的文章停止比力阐发，以鉴别文章能否为天然文章。

所谓魔下一尺、讲下一丈，有些做弊者曾经抛却了单词的构成文章的做弊方法，而改用句子构成文章的做弊方法，做弊者经由过程爬虫或别的方法得到网上文章的句子，并用硬件将数十篇文章的某几句拼集成一篇文章。那便需求搜索系统做语义的阐发去判定能否做弊了，但是今朝闭于语义阐发的研讨借处于研讨阶段，那也是下一代智能搜索系统的标的目的。

但是我们仍旧不克不及将主动文章死成一棍子挨死，基于野生智能的文章死成仍旧是人类研讨本身言语和本身智能的一个主要标的目的。做弊取反做弊，将能促令人类对野生智能的研讨。

假如到最初，硬件能死成人类可以了解的文章，那是SPAM借是精髓？您能必定天道今朝存正在的智能化水平借不敷下的RSS散开文章必然是SPAM吗？但是，假如那样的文章海量的呈现，我们又该怎样来面临那个征象？

参考文献：《搜索系统本理、理论战使用》卢明、张专文，2007

注：相干网站建立本领浏览请移步到建站教程频讲。