空間向量在過去一直被搜索引擎用來識別網(wǎng)頁內(nèi)容，包括是否有采集、偽原創(chuàng)、洗稿、AIGC以及二次創(chuàng)作等行為，兩個網(wǎng)頁的關(guān)鍵詞在空間向量上的重復(fù)度不高，搜索引擎就會判斷為新穎的原創(chuàng)內(nèi)容，再加上質(zhì)量合格，就有利于網(wǎng)站權(quán)重的提升。如果不同網(wǎng)站的兩個網(wǎng)頁的關(guān)鍵詞在空間向量上存在高度重合，則會被判斷為內(nèi)容重復(fù)或者語義重復(fù)，再根據(jù)其他指標(biāo)溯源，非原創(chuàng)的一方網(wǎng)站作弊概率提升，達(dá)到一定閾值，搜索引擎對該網(wǎng)站進(jìn)行降權(quán)懲罰。

一、核心技術(shù)

將網(wǎng)頁內(nèi)容映射為向量再觀察空間向量分布，包含網(wǎng)頁模板、網(wǎng)頁正文、網(wǎng)站模板等，皆可映射為高維向量再進(jìn)行計算，從而對網(wǎng)頁模板、網(wǎng)站模板、網(wǎng)頁正文、網(wǎng)頁板塊等進(jìn)行相似度計算。

二、內(nèi)容識別

（一）識別采集與抄襲

采集與抄襲的區(qū)別在于相似度不同，直接抄襲的相似度大于采集，因此識別抄襲很容易。識別采集稍微難一點(diǎn)，不過從技術(shù)上來說，難度也不大，因?yàn)椴杉奈恼略谙锤宓倪^程中主要分為改變句式或者語法結(jié)構(gòu)、增刪關(guān)鍵詞或者某些關(guān)鍵詞用同義詞、近義詞進(jìn)行替代，比如將“人工智能”改為“AI”。采集和偽原創(chuàng)的特征是在語義向量上大量或者完全重合。

關(guān)鍵詞向量構(gòu)成一個向量空間

圖片由AI生成

（二）偽原創(chuàng)識別

偽原創(chuàng)相較于采集修改力度更大，并且融入了新的內(nèi)容片段。有些偽原創(chuàng)是多篇文章各取一部分整合為一篇文章；有些偽原創(chuàng)是調(diào)整了段落結(jié)構(gòu)和語序；有些偽原創(chuàng)是保留了原文章的結(jié)構(gòu)和主要觀點(diǎn)，再圍繞這些觀點(diǎn)發(fā)表自己的見解。偽原創(chuàng)內(nèi)容在空間向量上的特征是向量相似度被稀釋，但是在局部區(qū)塊仍能找到高相似度區(qū)塊，且核心段落向量中心高度相似，亦或是向量軌跡與原文高度重合。

（三）識別AIGC

目前搜索引擎尚不能保證百分百識別AIGC內(nèi)容，但是AIGC產(chǎn)物往往有著以下幾個特點(diǎn)：

1.知識圖譜高度重合，比如內(nèi)容中的實(shí)體詞（時間、地點(diǎn)、人物、關(guān)系）。

2.困惑度異常平滑。

3.關(guān)鍵詞在語義空間中的分布“換湯不換藥”。

（四）識別二次創(chuàng)作

二次創(chuàng)作算是原創(chuàng)，其主要是圍繞別人內(nèi)容的一個核心論點(diǎn)再自己進(jìn)行細(xì)化分析或者反向批判。高質(zhì)量的二次原創(chuàng)作并不違反搜索引擎規(guī)則，反而是搜索引擎需要的內(nèi)容。但是，注意了，如果你錨定了一個競爭對手，亦步亦趨地跟隨對方。對方每發(fā)表一篇文章你就根據(jù)對方的論點(diǎn)進(jìn)行再創(chuàng)作，久而久之，大部分話題重合，還是形成了向量相似度，并且自身網(wǎng)站會因此被降權(quán)。因此，內(nèi)容創(chuàng)作上奇商網(wǎng)絡(luò)還是建議大家兼學(xué)百家再形成自己的思想。

三、小結(jié)

為了維持自身網(wǎng)站不因?yàn)閮?nèi)容而被搜索引擎降權(quán)懲罰，還是需要遵守內(nèi)容創(chuàng)作三原則：原創(chuàng)、專業(yè)、新穎。互聯(lián)網(wǎng)需要的是思想上的百家爭鳴、領(lǐng)域上的專業(yè)深耕，而非內(nèi)容上的低質(zhì)量重復(fù)。