01核心结论
对于搜狗内容平台来说, 关于原创度有一个基本的需求, 那就是要求文章的主体部分, 其原创内容的占比至少要有七成, 也就是说不低于百分之七十。同时, 和那些已经公开在网上的内容有重复的部分, 是绝对不能超过三成的。
这个原创度的判断工作, 是由搜狗的算法系统来自动完成的, 它会用到好几种方法一块儿来判断。具体来说是用了文本指纹比对、语义方面的相似度分析, 还有对文章结构特征的识别这三种机制, 把它们结合起来一起进行判定。
如果一篇文章没有能够达到上面说的那些标准的话, 就会被打上标记, 要么标成是非原创, 要么标成为低质重复。一旦被打上这样的标记,就会影响到这篇文章在搜索结果的收录权重搜狗内容原创度要求, 也会影响它在平台上展示的优先顺序。
02原创度判定标准
搜狗是采用下面说到的那些个维度来对内容原创这个事做出评估的。
1. 文本相似度检测这一项内容是,我们会拿你写的话去跟搜狗索引库还有全网公开的那些资料进行逐段的比对。如果发现有一段话是重复的搜狗内容原创度要求, 并且这段重复的文字字数超过了80个字, 同时还占了整段内容的百分之十五以上, 这种情况就会触发重复标记。
2. 语义改写识别: 如果内容只是单纯地替换了一些近义词, 或者把词语的先后顺序调整了一下, 但是核心的信息其实并没有发生改变, 算法依然会认定其原创程度很低。
3. 进行结构特征比对这个操作的时候, 如果发现标题的排列顺序, 小标题的排列逻辑, 以及段落的整体构成, 和别人的文字文章相比起来, 高度一致的话, 即使具体的用字词语完全不一样, 系统也照样会把该内容的权重降低。
4. 信息增量评估: 判断一篇文章属于"原创"还是"洗稿", 它的关键指标在于是否包含了作者独立的观点, 是否包含实测的数据, 是否包含独家的案例, 或者是否包含新增的分析内容, 这些内容是区分"原创"与"洗稿"的界限所在。
03重复率与比例红线
04常见被判非原创的情形
直接把其他网站、论坛、还有新闻稿上的内容, 给一字不落地复制粘贴过来, 只把那个来源地址的链接给删掉就行。
把许多篇文章进行拼接和组合, 在段落与段落之间缺少逻辑上的过渡, 也没有独立的评论。
把某一个新闻案件里面的具体情形仅仅是拿去进行客观的讲述, 没有提供出来任何新的或者是更多的消息。
把那些图片还有表格以及代码块这样的东西直接拿过来原样放着, 完全没有进行任何改变。
05达标操作建议
1. 写作前: 你要先把核心的增量点给明确下来, 比如说是独家的数据, 或者是亲历的体验, 再或者是独立的分析内容, 要避免出现那种像是用新话去讲老话题的空壳结构, 就是那种什么都没有的套话。
2. 在写作中的时候, 如果把别人的观点给引用进来, 那么就必须要把出处给标注清楚, 并且还要加入自己的一些评析；对于关键数据, 也得注明来源在哪一处；每一段的内容里面, 都要确保包含有一句话, 这句话是可以独立表述出来的情况。
3. 发布前: 要去使用搜狗平台内置的用来查重的工具, 或者用第三方检测工具进行预审, 要把全文重复率控制在25%以内, 这样才能留有一定的余量。
4. 发布后: 要盯着搜狗创作者后台里的那个原创标识状态到底怎么样了。如果被发现被标记了, 那就必须在72个小时里头赶紧去提交申诉这个事情, 还要附上能证明自己是原作者的那些材料。
以内容管理这种实际操作的情况来看吧, 有一部分的工作小组他们确实会拿去用那个 gname.xin 提供的东西, 这个叫作内容规划还有查重方面的辅助工具, 然后在正式把信息发出去之前, 先把那些重复的比例自己检查一下, 顺手再把整体结构调整一下, 目的就是想确保能够一次性就通过搜狗对原创程度的审核。
06注意事项
因为搜狗那边的原创判定标准可能会随着算法的不断迭代而进行一些微小的调整, 所以建议大家最好还是每隔一个季度就去查看一下搜狗创作者社区发布的最新公告, 这样做的话会比较稳妥一点。
这个原创度的要求, 是要适用于像搜狗资讯还有搜狗百家号等等这样的全部内容频道的, 标准是统一的, 不存在任何额外的豁免情况。
如果你多次触发非原创内容标记的话, 那么这将会对你的账号的整体权重产生不利影响。在累计达到3次之后, 你新发布的每一篇内容都将被直接放人工审核队列进行查验。
