百度谈原创项目
评论：转载和采集、发布优质原创网站的流量，不再属于原作者的名字，将直接影响原站长和作者的income.long-term视图的质量将影响到原有的热情，不利于创新，不利于新的优质内容生产。首先，为什么搜索引擎要注意原创性
1.1集洪水
从百度的一项调查显示，超过80%的新闻和信息是人工繁殖或机器采集，从报纸娱乐新闻，传统媒体网站的花边从介绍产品的评价，甚至大学图书馆在采集机urge-return信息网站。可以说，优质的原创内容是包围在海中的Amoy millet搜索引擎采集海洋中的水一片白茫茫，是困难和挑战。
1.2提高搜索用户体验
数字化降低了传播成本，和工具化降低征收成本，以及机器采集行为混淆了内容源，降低内容的质量。在收集的过程中，无意或故意，导致网页的集合，混乱的格式，或另外的垃圾。这严重影响了搜索结果的质量和用户体验，搜索引擎的根本原因是提高用户体验。原来是原创的质量原创内容。
1.3鼓励原创作者和文章
转载和采集，高质量的原创网站流量不再是原作者的名字，它将直接影响原业主与authors.long-term视图的质量将影响到原有的热情，不利于创新，不利于新的优质内容的生产。鼓励优质原创，鼓励创新，给予合理的交通原网站和作者，从而促进互联网内容的繁荣，应该是搜索引擎的重要任务。
二是收藏很狡猾，很难识别原文。
2.1集冒充原和篡改关键信息
目前，大量的网站收集原创内容分批，用人工或机械方法篡改关键信息，如作者、出版时间、来源，并假装原创。这种冒充原是需要适当的调整搜索引擎识别。
2.2内容生成器，制作伪原创
使用自动工具生成器和其他工具，创建的一篇文章，然后安装一个标题吸引眼球，现在的成本也很低，而且必须是原创的。然而，原来是有社会共识的价值，而不是制造混乱的垃圾可以算作一种可贵的品质原创内容。虽然内容是独特的，它没有社会共识的价值，这样的伪原创是搜索引擎需要专注于识别和被打。
2.3网页分类与结构化信息提取困难
不同站点之间的结构差异比较大，HTML标记的含义和分布也不同。因此，提取关键信息的难度，如标题、作者和时间，也是完全不同的。不全面，准确的，也是最及时的，这在目前的中国互联网的规模是不容易的，这部分需要有很好的搜索引擎和业主会更顺利，站长如果结构更清晰地告知页面布局的搜索引擎，搜索引擎将有效地提取原有的相关信息。
三。百度如何识别原来的方式
3.1成立一个原始的项目组来打持久战。
面对挑战，为了提高搜索引擎的用户体验，为了使原始网站的质量应该返回，为了促进中国互联网的发展，我们部署了大量的人员，原项目组：技术、产品、运营、法律等，这是不是一个临时组织，不是1到2个月个月的项目，我们做了打持久战的准备好工作。
3.2原始标识来源算法
数以亿计的互联网、网络挖掘，从原来的内容，可以说是寻找海洋中的针，众多的东西，我们原来的身份识别系统是在百度大数据的云计算平台上进行的。它可以快速实现重复聚合和链接指向的所有中文网页的关系分析。首先，通过内容相似性和聚合的原始取得，相似的页面，一起作为候选集的原始鉴定；其次，收集原始的候选人，由作者、发表时间、链接、用户评论，作者和网站的历史，原来的前进轨迹等因素以确定原判决最后几百，通过价值分析系统；原始内容的价值判断水平和最终排名的正确引导。
目前，通过我们的实验和真实的在线数据，本源算法已经取得了一定的进展，解决了新闻、信息等领域中的大部分问题，当然，在其他领域还有更多的原始问题等待着解决的由来，我们正在坚定不移地走下去。
3.3原始星火计划
肯定的，我们一直致力于原创内容的排序算法调整，但在当前的网络环境，解决原问题原来真的快速识别面临巨大的挑战，大数据的计算，在面对层出不穷的收集模式和站的方式和不同的网站模板是巨大的的出现，复杂的内容提取等。这些因素都会影响原算法的识别，甚至导致错误的判断，这个时候你需要百度与站长一起保护互联网的生态环境，站长推荐原创内容，搜索引擎通过一定的判断原联合治疗后内容，共同推进生态环境的改善，鼓励原创，这是原创星火计划，设计了快速解决的严重问题。此外，原创内容的网站管理员的建议将被应用到起源的算法，这有助于百度发现该算法存在的缺陷，不断提高，使用更加智能的识别算法自动识别原创内容。
目前，原星火计划已经取得初步成效。第一部分主要新闻站点的原始内容在百度搜索结果中提供了原始标记、作者显示等，并在分类和流量方面做出了合理的改进。
最后，原生态的问题，需要长期的改善，我们将继续投资，共同推动互联网生态站的进展；原有的环境问题，需要我们共同维护站长做原创，推荐原创，百度将继续改进排序算法，鼓励原创内容，排序和流量合理的原作者，原网站。