杭州SEO专用徐（xú）少辉要说的（de）是（shì）：网页查重算法，也就是搜索（suǒ）引擎是怎（zěn）么检查两个网页的相似性的?这应该是大家应该比（bǐ）较关心（xīn）的问（wèn）题吧，因（yīn）为这有助于让你的“伪（wěi）原创（chuàng）”更像一个“原创（chuàng）”

　　首先我跟大家讲有名的I—MATCH算法。

　　我们在比较两件事物的（de）相似性时（shí），往往都会（huì）拿能均衡的反应（yīng）这事（shì）物本质的（de）东西来比较，就（jiù）像比赛时，要去除（chú）一个最高（gāo）分（fèn）和最低分，然后（hòu）再变算（suàn）总分（fèn）一样~~

　　I—MATCH算（suàn）法基于的依据是，在文挡中，特别高频的（de）词和特别低频的词无法（fǎ）反应这一个文挡的真实内容，所（suǒ）以在（zài）比较之（zhī）前，先（xiān）将文挡中高（gāo）频（pín）词和（hé）低频词去掉(注意（yì）：这里（lǐ）的高频和低频指的是文（wén）档频率，并非关键（jiàn）词在你网页中的密度!)

　　我们来看一个例（lì）子（zǐ）：

　　这里有两段网页文字：

　　1.中国足球队在米卢的率领下首次获得世界杯（bēi）决赛阶段的比（bǐ）赛资格，新浪体（tǐ）育（yù）播报 。

　　2.米卢率领中国足（zú）球队员首（shǒu）次杀入世（shì）界杯决（jué）赛阶（jiē）段（duàn），搜狐体育播报。(嘿嘿，看到这两句很熟（shú）吧?)

　　文档（dàng）(一)中去掉高频：中国，在，的，获（huò）得，比赛，资格，新（xīn）浪，体育，播报

　　去掉低频：米（mǐ）卢

　　则剩下中频词（cí）有（yǒu）：足球队（duì），率领，首次，世界杯（bēi），决赛（sài），阶段（duàn）

　　文档(二)中去掉（diào）高（gāo）频：中国，搜狐，体育，播报

　　去（qù）掉低频：米卢，杀入（rù）

　　则剩下中频词有：率领，足球队（duì），首次（cì），世界（jiè）杯（bēi），决赛 ，阶段

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

　　呵呵，其实这（zhè）个例（lì）子很（hěn）早就（jiù）有过的。。

　　综上所述：搜索引擎要检（jiǎn）测相似（sì）性，主要就是要分词和词频的比较（jiào）!!