百度搜索引擎白皮书已沦为废纸

　　最新一期的百度网页质量白皮书(以下简称《白皮书》)发布已经有半个月了，对于页面质量的衡量标准有了新的衡量标准。字里行间已经言明度和易访问性成为主要衡量标准。通篇只字未提“原创”内容。

　　《白皮书》讲页面质量的衡量维度定位为3个：内容质量、浏览体验、可访问性。

　　内容质量好坏的衡量维度又细分为页面制作成本，主体内容丰富完整，内容信息真实、有效、安全。

　　《白皮书》还进一步阐述了高质量页面内容的界定标准：“花费了较多时间和精力编辑，倾注了编者的经验和专业知识;内容清晰、完整且丰富;资源有效且优质;信息真实有效;安全无毒;不含任何作弊行为和意图，对用户有较强的正收益。”

　　乍一看，非常详细也非常全面的概括了几乎所有类型页面的内容元素，衡量标准也制定的很有代表性和特点。但是透过这些高度概括性的、描述性的、主观判断性的界定标准，我们不禁要问：度娘，你凭啥以一家之言，衡量界定亿万计网页的质量优劣?

　　下面开始挑着说：一，内容质量。

　　“花费较多时间和精力编辑，倾注编者的经验和专业知识;”

　　百度如何界定一个页面制作出来到底是花费了多少时间和精力?一个行业相关的资深的编者，自然可以凭借多年经验和专业知识，得心应手的打造出一个具备较高内容含金量的页面，那他花费的时间和精力，你说是多呢还是少?

　　你如何判断页面内容是出自编者自身的专业知识和经验?通过一篇美食博文，你就断定编者是一个厨子?或者你先知道了编者是个厨子，然后才觉得这是一篇美食博文，而不是一个屠夫的从业心得?

　　“内容清晰、完整且丰富;”

　　任何一个独立的原创页面的内容都是不同的，其内容的完整与丰富程度，很大意义上决定于我们判断其内容延展性的尺度。掘地一尺，与挖地三尺我们得到的其实都是同一类的东西，百度如何界定内容的完整程度与丰富程度?

　　各行各业千差万别，某一具体内容是否具备关联内容，以及关联内容的深度和广度漫说你是个程序，就是都教授来了都说不清楚。你又怎么定义?

　　“资源的有效性，信息的真实性;”

　　这一句，唯一值得推敲的地方就是定义信息真实性的标准。涉及到真伪性的判断，不知道百度准备利用关联词同时出现的频度来计算，还是统计索引库中差异性内容的占比来衡量的，还是坐等权威机构发布声明才能断定真伪，进而决定抓取与否，展现与否?

　　那么举个栗子，一句被传疯了的网络谣言，无论是关联词同时出现的频度，以讹传讹的类似内容占比，还是考虑到一定时间段内的大量出现的页面总数量，那么我想说，在没有政府机构出面澄清之前，百度蜘蛛该作何处置呢?

　　至于页面内容安全性，有没有毒，作弊内容识别，获取正收益，传播正能量，构建和谐社会，促进人类进步，保卫宇宙和平……，我觉得百度都能做得到。

　　下面开始挑着说：二，浏览体验。

　　百度很谦虚，直言影响用户体验的因素很多，《白皮书》只谈论排版和广告问题。

　　广告我就不谈了，每个人都烦恶意广告，我也一样。

　　至于页面排版嘛，无非是结构合理，色彩搭配，字体样式等等前台的技术问题。我相信百度的诸位大师一定具备诸如什么，色彩对于视觉神经的刺激与印象残留的关系;人类眼球构造与视觉关注度的联系…………

　　说的有些偏激了，度娘别介意。其实我理解你关于排版问题的见解，只是在各类CMS程序， 开源系统模板都很普及的情况下，我实在想不出，怎么样一个不靠谱的能把页面版块弄得混乱不堪，让用户找不着北。恐怕也只有涉及到单独功能页面建设的情 况下，才有自主排版的考虑，比如百度竞价着陆页之类的。相比之数量庞大的普通页面，其实页面排版的雷同的是非常之高的!

　　要真能做出一个和上所有页面结构都不同的网页，我相信其复杂性和艰涩的结构连蜘蛛都不想爬。所以，浏览体验这一项《白皮书》说的好像很有道理，其实都是废话,毫无指导意义。

　　下面开始挑着说：三，可访问性。

　　《白皮书》说了可访问性的甄别分为3个方面：正常打开、权限限制、有效性。

　　1：我的理解，正常打开是就站点在自然环境下，能够顺畅访问的界定标准，包括服务器速 度，服务器解析，站点配置的正确性等等硬件设施的合理配置。没什么可说的，无论俺们“站长”做站的目的有多么的“不纯粹”，也首先要实现能够被展示的前提 条件才行啊，否则一切也都无从谈起，所以这一点就不劳度娘费心了。

　　2：权限限制，百度声明对于高质量、正版资源，由于内容建设成本较高，允许设置权限门 槛，并且不影响页面质量的衡定。反之，低质量、盗版、低成本转载、采集内容等，参考《白皮书》有关页面质量衡量标准，其本身就算不得优质页面，如果还要设 置权限门槛的话，无疑会进一步降低百度评价。这也是合情合理的，我想广大网民都会乐见其成的。

　　但是!我们都知道蜘蛛程序，对于需要权限才能浏览的页面内容或者资源，不具备访问能力，那么百度如何判断，一个需要注册用户登录，输入一堆验证码，或者发表回复，甚至交钱才可能看都的内容，是否是真正的优质内容?

　　百度对于优质资源的定义是怎么样的,正版?独家?作者知名度?版本号?版权证明?内容提供者声明?专利号?……

　　这些方法真的可行么?百度不是号称中文搜索第一服务商么，不会不了解中国互联网的国情吧，不是我自黑，这些东西真的很不靠谱。

　　对于图像、视频等内容，我相信各大搜索引擎都具备了初步识别能力，但这不意味着你就能分辨出正版大片和手机视频有多少差别?

　　如果你说你能，请披露相关技术信息，如果你怕技术泄密，请申请专利，为了日后维权提供有力保证!(友情提示，中国国家知识产权局专利申请指南：http://www.sipo.gov.cn/zlsqzn/)。如果你还有其他顾虑，我只能呵呵了。

　　3：有效性，你解决了蜘蛛访问权限问题再来判断资源是否有效吧。

　　说了这么多，可能有人要说了，人家的技术不是你动动手指头能像明白的。你这么牛逼，你怎么不去跟李彦宏较劲?

　　我勒个去，我发了个贴都让百度给删了，我哪敢找他老人家啊?怎么，不信?有图为证!

　　请对比右下角时间，贴图做结尾，好像欠点意思，其实我想说的话都在图里了，自己看吧。　　

　　本文由尚运博客原创首投A5，转载请注明出处：http://www.songlucky.com/archives/276