如何判断文章是否原创

文章是否原创，搜索引擎在技术上应该无法做出绝对正确的判断，甚至是大致正确。无数站长辛辛苦苦的原创文章，往往排在很多垃圾博客的转载甚至收藏里。到目前为止，我认为搜索引擎判断一篇文章是否原创的标准有以下几点：文章被收录的时间，网站上的链接，网站的权重。

文章收录时间：十年前你的文章被收录，十年后我的一篇一模一样的文章被收录。当然，你的文章是原创的。但是收录时间短不好判断，因为权重高的博客收录更快。我的文章是五天前发表的，但是没有被收录。结果你转载了我的文章，几分钟后就收录了。如果搜索引擎认为你的文章是原创，我的是抄袭，那我岂不是太委屈了？

网站上的链接：这应该是判断原创标准最重要的一点。如果你的文章末尾有一句话：文章转载于某个SEO博客，或者网站的某些关键词上有该关键词的链接，那么判断你的文章是否转载自该博客应该会更准确。因为如果链接到文章的页面，判断还是比较准确的，如果链接到站点的域名，还是比较难判断的。你不能总是把你的文章链接到他的博客上。结果你所有被他转载的文章都被搜索引擎认为是原创了吧？

网站权重：这个SEO的人应该能多了解一点。搜索引擎认为一篇高权重、高PR的博文更有可能是原创的。

其实判断一篇文章是否原创还有一个标准，就是查看网页的创建时间。比如你文章的页面是去年创建的，而我的是今年才创建的，而且文章内容一模一样，那么十有八九我会转载你。如果还是不能理解，就想想我们常用的Word和Excel。经常看到他们最后一次修改时间吗？我们经常利用复习时间来安排。我相信这种记录修改时间的技术对于百度和谷歌来说绝对不是问题。这个技术问题应该是任何一个程序员都能解决的吧？不知道现在百度和谷歌有没有用这个技术？当然这个技术也是有缺陷的，就是如果我的文章是原创的，那么我可能会经常修改，所以我的文章最后一次修改的时间可能比转载我的文章要晚。这个搜索引擎可以记录同一篇文章的所有修改时间来解决这个问题，这个技术也很容易实现。但有两个问题：第一，这意味着多少工作量？百度和谷歌索引的不是电脑上的东西，也不是网站上的东西，而是几千亿的页面。记录每个页面的修改时间，对于搜索引擎服务器的工作量和响应能力来说，不知道意味着什么样的压力；另一方面，即使判断页面是首次创建的，如果站长删除了首次创建页面的原始内容，换成了另一个人的文章，又如何判断呢？

写了这么多，可以看到每种判断方法都有自己的优缺点，搜索引擎应该也特别希望做出正确的判断。但是，不考虑技术问题，光是评判标准就够让人抓狂的了。毕竟搜索引擎只能按人的命令运行。如果不能给出绝对正确的判断标准，那么搜索引擎就无法解决这个问题。