如果搜索引擎没有办法读内容，那怎么样判定高质量的原创？

判断高质量的原创的根据有哪些？

第一个问题：没办法读的意思是什么？除非搜索引擎被攻击、瘫痪？不然抓取后，他就会按照既定规则进行筛选，这就是所谓的“读”。除非不让抓取。
第二个问题：各个搜索引擎算法上都有差异，以百度为主，高质量的原创内容由以下几点判断
1、标题的排他性
2、内容的排他性（百度会使用分词、组词技术进行算法分析）——相关的是关键词密度，在这里百度不会破坏词性、只会去除筛选修饰词。
3、其他的。。。都不是主要的了
另外高质量原创对于算法上的加分影响：
1、分词组词+规则筛选—关键词分布、及内容主题相关性价值判断
2、内容相似度对比（对比索引库相似内容，判断优劣）
3、内容价值评估（第一步的延伸，多指站内相关度）
4、站外内容推荐票
。。。
等等一系列算法，给网站内容进行评分，一般高质量的内容自然排名会很好你懂得

这个问题我也很感兴趣 来参一嘴吧 可能有点跑偏
来谈谈吧：

搜索引擎对内容的评价是怎么样的
1.我们原创一篇文章 搜索引擎能识别么？答案是 能。
首先搜索引擎拥有大量的词组、句子数据库。这些词组还会分为同义，反义，句子有常用句，特殊句等等。当然搜索引擎也拥有很多文档（文章收录），那么全文对比和段落对比对搜索引擎索引来说是很容易的，不要去怀疑这么多内容它识别的过来么，这个问题不在我们的分析考虑范围内。

2,。有个google的算法被称为隐含语义索引，这里是百科是用来识别相关性的。相对于识别原创，搜索引擎识别相关性其实更为艰难。纯原创内容是独一无二的。那么相关性内容里面不但包括伪原创内容，还包括相关的原创内容。

怎么实现这个语义索引过程
搜索引擎分析文章，对文章进行分词计算词频
如：
A句子的词频向量为 {5,2,3} B句子的词频向量为{2,2,1} 这两个空间向量的夹角余弦值可以显示相关程度，越相关夹角越小。
通过计算 cos x = 这个数值接近1，表示 句子A和句子B是相关度很高的。（用到文章向量值越多，如图）

其实这个关于“原创”的话题，我之前也想问的，觉得非常值得讨论。去年不记得什么时候Lee讲过，百度正在准备出一个原创识别算法，根据今年网站在百度的表现，我想这个算法已经早就上线啦！

搜索引擎是为解决用户的搜索需求，这一点我想不用怀疑，但是大家有没有发现，目前同一篇新闻，还不是很多网站都在转有，内容都一样，排名也是一样有，哈哈！这是为什么？当然这里有很多东西要去分析，探讨。我举这个例子只是想说明原创不是目的。只有在相同的主题下表达不同的观点，因为相同的东西在不同的地方体现不同的价值。

说到这里，有一个很重要的话题就是：页面价值的讨论，注意：原创内容不一定是有价值的。这里还有很多方向问题可以值得深入讨论。

关于“页面价值”，乔兄可以看看“百度搜索研发部官方博客”的一文章：浅谈互联网页面价值（可去百度找找），这文章讲得比较深入，非常值得学习！我这里只引用一小段。

1、典型的低质量页面存在以下一些特征：

主需求无效/未满足（过期分类广告/软件下载页面，下载链接无效等）
死链
虚假信息/诈骗等
空页面
站点不稳定
影响主需求的权限问题（下载/浏览需要注册会员/积分等）
信息不完整（转载不全等）
浏览体验差（广告/字体/页面布局等）

2、典型的高质量页面存在以下一些特征：

访问速度快（页面加载快/资源下载速度快）
页面整洁干净，主体内容在显著位置
页面信息完整
页面元素丰富（文字、图片、评论、相关推荐等）

搜索引擎判断内容质量优劣标准无外乎这么几点：可读性，实用性，真实性。这里的可读性主要体现在用户体验方面，试想一下，一篇语句不通顺，错字连篇的文章，用户都看不懂，更何况搜索引擎蜘蛛呢；其次，要说的是实用性，也就是有没有用户提供给用户实实在在的他们需要的信息；再次，真实性，所谓的真实性就是内容有没有一定的依据，不能歪曲事实，给用户产生误导，这一点尤其要体现在医疗站点方面。个人认为只要满足这三点，不敢保证你的内容一定是实实在在的高质量，但是至少搜索引擎不会反感和排斥。
个人拙见。希望各位前辈指正！

你的一篇文章，去里面的话去百度搜，搜到通知的东西越多，说明内容质量越低

前面的那么多评论，让我收获很多。

各位讨论了这么多，那么你们自己网站的内容是如何得来的呢？？

除上诉各种算法外，我觉得最重要的一点，百度可通过对文章细节处理来进行相应判断。
比如：
1、是否把大标题加入，更利用用户浏览。
2、是否有相关文章之间连接，更方便用户体验。
3、是否有版权信息？
4、文章是否针对搜索引擎而写的（比如大量关键词堆积）等

据说百度今年会加大对原创站点权重。具体可以看百度星火计划

楼主说的没法读应该是指的frame框架，JS，图片等搜索引擎无法识别的元素。

很赞同上述观点！个人认为百度还从以下几个方面判断内容质量高低：
1.页面内容内是否包含非法关键词
2. 页面链接数量（特别是商务通）
3. 页面内容字数
4. 标题相似度
5. 权重标签的合理运用

百度在2013年3月20日对蜘蛛爬行从新做了调整，不知道您有没有关注您100多个网站的关键词和收录的变化，对于原创的文章 个人认为百度有如下的判断，以伪原创大比方，第一、重复词句过多的爬行不留痕迹，一般收录的少或者不收录，在3月20日之前，一般的伪原创工具都好用，现在不好用了。现在如果百度无法判断高质量的文章，他是不会收录的，不防你试试

等那狗日的百度把他自家所谓的原创识别算法弄出来，我们再讨论吧。 百度还真有那技术？不知什么时候了