空间向量对自身网站权重的影响

空间向量在过去一直被搜索引擎用来识别网页内容，包括是否有采集、伪原创、洗稿、AIGC以及二次创作等行为，两个网页的关键词在空间向量上的重复度不高，搜索引擎就会判断为新颖的原创内容，再加上质量合格，就有利于网站权重的提升。如果不同网站的两个网页的关键词在空间向量上存在高度重合，则会被判断为内容重复或者语义重复，再根据其他指标溯源，非原创的一方网站作弊概率提升，达到一定阈值，搜索引擎对该网站进行降权惩罚。

一、核心技术

将网页内容映射为向量再观察空间向量分布，包含网页模板、网页正文、网站模板等，皆可映射为高维向量再进行计算，从而对网页模板、网站模板、网页正文、网页板块等进行相似度计算。

二、内容识别

（一）识别采集与抄袭

采集与抄袭的区别在于相似度不同，直接抄袭的相似度大于采集，因此识别抄袭很容易。识别采集稍微难一点，不过从技术上来说，难度也不大，因为采集的文章在洗稿的过程中主要分为改变句式或者语法结构、增删关键词或者某些关键词用同义词、近义词进行替代，比如将“人工智能”改为“AI”。采集和伪原创的特征是在语义向量上大量或者完全重合。

关键词向量构成一个向量空间

图片由AI生成

（二）伪原创识别

伪原创相较于采集修改力度更大，并且融入了新的内容片段。有些伪原创是多篇文章各取一部分整合为一篇文章；有些伪原创是调整了段落结构和语序；有些伪原创是保留了原文章的结构和主要观点，再围绕这些观点发表自己的见解。伪原创内容在空间向量上的特征是向量相似度被稀释，但是在局部区块仍能找到高相似度区块，且核心段落向量中心高度相似，亦或是向量轨迹与原文高度重合。

（三）识别AIGC

目前搜索引擎尚不能保证百分百识别AIGC内容，但是AIGC产物往往有着以下几个特点：

1.知识图谱高度重合，比如内容中的实体词（时间、地点、人物、关系）。

2.困惑度异常平滑。

3.关键词在语义空间中的分布“换汤不换药”。

（四）识别二次创作

二次创作算是原创，其主要是围绕别人内容的一个核心论点再自己进行细化分析或者反向批判。高质量的二次原创作并不违反搜索引擎规则，反而是搜索引擎需要的内容。但是，注意了，如果你锚定了一个竞争对手，亦步亦趋地跟随对方。对方每发表一篇文章你就根据对方的论点进行再创作，久而久之，大部分话题重合，还是形成了向量相似度，并且自身网站会因此被降权。因此，内容创作上奇商网络还是建议大家兼学百家再形成自己的思想。

三、小结

为了维持自身网站不因为内容而被搜索引擎降权惩罚，还是需要遵守内容创作三原则：原创、专业、新颖。互联网需要的是思想上的百家争鸣、领域上的专业深耕，而非内容上的低质量重复。