怎樣的文章才能被谷歌定義為原創

1.用copyscape.com檢測文章相似度，一定要沒有搜索結果才算原創嗎？
+ Y$ Q3 J6 |9 ~# ]# j0 j  V( K2.找10篇網上的文章，每個文章抽出兩句話，組成一篇新的文章，又或者每20篇文章提取出一句，組成一篇，算原創嗎？
8 g% f0 v1 {& X& F! ]1 h網上找的定義：
4 x- a6 r5 s: M" @! q* g1.相似度

　　相似度是搜索引擎去重用的最多的算法，用的比較多的一種是TF/IDF算法，這個也是計算相關性的算法，TF-IDF的主要意思是說：如果某個詞或短語在一篇文章中出現的頻率高，並且在其他文章中很少出現，則認為此詞或者短語具有很好的類別區分能力，適合用來分類。

　　TF詞頻（Term Frequency）指的是某一個給定的詞語在該文件中出現的次數。

　　IDF反文檔頻率（Inverse Document Frequency）指的是：如果包含詞條的文檔越少，IDF越大，則說明詞條具有很好的類別區分能力。

　　當一篇文章根據TF/IDF進行計算後，形成了一個多維的向量，這個向量就是這篇文章的內容特徵向量，當兩篇文章的特徵向量趨於一致的時候，我們認為這兩篇文章的內容接近，如果一致則說明是重複的。

　　關於TF/IDF與向量算法的詳細請參看Google黑板報的數學之美12-餘弦定理與新聞分類

　　2.數據指紋

　　當搜索引擎通過相似度把文章收集起來後，要判別一下是否是重複文章，經常用的就是數據指紋，數據指紋有很多種算法，常見的比如講文章的標點符號提出，進行對比，你很難想像有兩篇不同的文章，標點符合是一致的。還有對向量進行對比，也就是TF詞頻（關鍵詞密度）等等來判斷。

　　這時候你可以想像出，現在很多偽原創工具，只是把關鍵詞進行了替換，你想關鍵詞替換後，標點符號指紋是不變的，甚至連TF詞頻都不變。還有對文章進行段落的重拍，這個的確是打亂了標點符號，但是向量和詞頻問題依然存在。那麼這樣的偽原創工具有沒有價值你就可想而知了。（可能對於百度還是有作用的）

　　3.代碼噪音

　　前面說的這些，都是基於一個條件的，就是搜索引擎要知道文章是什麼，因為每個網站的模板都不同，代碼也不同，各種信息混合在一起，如果能找到正文就是搜索引擎第一要處理的。

　　一般Google都會通過對代碼的佈局和噪音比例進行區分，哪些是導航，哪些是正文，並可以對一些典型的代碼進行忽略。那麼我們在做模板的時候，就要注意了。這裡有個糾結點，就是整頁面降噪，方便搜索引擎進行正文的確認，但是正文區要適當的加燥，增加搜索引擎識別重複性的難度。

* ?$ r7 D) t5 v6 V4 E1 X: N( B

我的文章有一部分就是東拼西湊 加輕微偽原創 你抽出來的話能夠自圓其說，有相當的可讀性 就應該沒問題

讀者感覺讀著有用，谷歌自然就也過了

我覺得你要先想著為用戶提供價值，只有用戶覺得有價值了。google才會認為你的有價值。

通過軟件自動拼湊文章，一般就會認為是原創

具體算法誰也不會知道
把能做的盡量做好，隨機組合加適度改寫和偽原創足夠了

應該是沒有任何規律的吧，軟件改寫的文章肯定有一定規律，自己寫的話，那就不是統一的模式了。

用軟件，然後再手工改改

一句話不同的說法 就是原創了

樓主考慮太多了，按照你找的定義，那麼除了外包和自己寫，那麼可能都不行了。其實現在50%不重複，收錄的也挺好，基本上被google認定為原創。