頁面去重，搜尋引擎最佳化中，網站內部最佳化至關重要，其中網站內部還需要注意頁面的重複。即：同一篇文章經常會重複出現在同一個網站的不同網址上。
基本介紹
- 中文名：頁面去重
- 性質：計算機科學與技術術語
搜尋引擎並不喜歡這種重複性的內容。用戶搜尋時，如果在前兩頁看到的都是來自不同網站的同一篇文章，用戶體驗就太差了。雖然都是內容相關的。搜尋引擎希望只返回相同文章中的一篇，所以在進行索引前還需要識別和刪除重複內容，這個過程就成為“最佳化去重”。
去重的基本方法是對頁面特徵關鍵字計算指紋，也就是說從頁面主題內容中選取最有代表性的一部分關鍵字（經常是出現頻率最高的關鍵字），然後計算這些關鍵字的數字指紋。這裡的關鍵字選取是在分詞，去停止詞，消噪之後。實驗表明，通常選取10個特徵關鍵字就可以達到比較高的計算準確性，再選取更多詞對去重準確性提高的貢獻也就不大了。
典型的指紋計算方法如MD5算法（信息摘要算法第五版）和Rabin指紋計算方法等。這類指紋算法的特點是，輸入（特徵關鍵字）有任何微小的變化，都會導致計算出的指紋有很大差距。
了解了搜尋引擎的去重算法，SEO人員就應該知道簡單地增加“的”“地”“得”，調換段落順序 還有的甚至是直接將文字替換這種所謂偽原創，並不能逃過搜尋引擎的去重算法，因為這樣的操作無法改變文章的特徵關鍵字。而且所搜引擎的去重算法很可能不止於頁面級別（頁面權重），而是進行到段落級別，混合不同文章、交叉調換段落順序也不能使轉載和抄襲變成原創。
