一、搜索引擎對原創(chuàng)的態(tài)度 1采集泛濫化 來自百度的一項調查顯示，超過80%的新聞和資訊等都在被人工轉載或機器采集，從傳統(tǒng)媒體的報紙到娛樂網站花邊消息、從游戲攻略到產品評測，甚至高校圖書館發(fā)的催還通知都有站點在做機器采集。 可以說，優(yōu)質原創(chuàng)內容是被包圍在采集的汪洋大海中之一粟，搜索引擎在海中淘粟，是既艱難又具有挑戰(zhàn)性的事情。 2 提高搜索用戶體驗 數(shù)字化降低了傳播成本，工具化降低了采集成本，機器采集行為混淆內容來源降低內容質量。 采集過程中，出于無意或有意，導致采集網頁內容殘缺不全，格式錯亂或附加垃圾等問題層出不窮，這已經嚴重影響了搜索結果的質量和用戶體驗。 搜索引擎重視原創(chuàng)的根本原因是為了提高用戶體驗，這里講的原創(chuàng)為優(yōu)質原創(chuàng)內容。 3 鼓勵原創(chuàng)作者和文章 轉載和采集，分流了優(yōu)質原創(chuàng)站點的流量，不再具屬原創(chuàng)作者的名稱，會直接影響到優(yōu)質原創(chuàng)站長和作者的收益。長期看會影響原創(chuàng)者的積極性，不利于創(chuàng)新，不利于新的優(yōu)質內容產生。 鼓勵優(yōu)質原創(chuàng)，鼓勵創(chuàng)新，給予原創(chuàng)站點和作者合理的流量，從而促進互聯(lián)網內容的繁榮，理應是搜索引擎的一個重要任務。 二、采集很狡詐，識別原創(chuàng)很艱難 1 采集冒充原創(chuàng)，篡改關鍵信息 當前，大量的網站批量采集原創(chuàng)內容后，用人工或機器的方法，篡改作者、發(fā)布時間和來源等關鍵信息，冒充原創(chuàng)。此類冒充原創(chuàng)是需要搜索引擎識別出來予以適當調整的。 2 內容生成器，制造偽原創(chuàng) 利用自動文章生成器等工具，“獨創(chuàng)”一篇文章，然后安一個吸引眼球的title，現(xiàn)在的成本也低得很，而且一定具有獨創(chuàng)性。 然而，原創(chuàng)是要具有社會共識價值的，而不是胡亂制造一篇根本不通的垃圾就能算做有價值的優(yōu)質原創(chuàng)內容。內容雖然獨特，但是不具社會共識價值，此類偽原創(chuàng)是搜索引擎需要重點識別出來并予以打擊的。 3 網頁差異化，結構化信息提取困難 不同的站點結構化差異比較大，html標簽的含義和分布也不同，因此提取關鍵信息如標題、作者和時間的難易程度差別也比較大。 做到既提得全，又提得準，還要最及時，在當前的中文互聯(lián)網規(guī)模下實屬不易，這部分將需要搜索引擎與站長配合好才會更順暢的運行，站長們如果用更清晰的結構告知搜索引擎網頁的布局，將使搜索引擎高效地提取原創(chuàng)相關的信息。