在设计搜索引擎时，我认为我们需要一种可以区分垃圾和普通文档的算法。否则，垃圾文档可能会出现在搜索结果的顶部，搜索结果的质量可能不佳。
这可能是一个含糊不清的问题，但有没有办法判断哪篇文章是自然的？像Lorem Ipsum这样的文章绝对不自然。而且，写出从人类着作中随机抽取的单词是不自然的。 （例如，它也写了，但它可能是。）
答案 0 :(得分：1)
没有一定和准确的方法来过滤自然和非自然的文章。但是，如果你有一个像谷歌那样的大数据仓库，可能会有这样的想法。谷歌已经在努力使项目最大化 天然物品的相关搜索模式。
查看以下链接，可以在一定程度上解决您的问题 https://www.ieee.org/publications_standards/publications/rights/ID_Plagiarism.html 这篇研究论文也可能有所帮助 http://trec.nist.gov/pubs/trec16/papers/ursinus.legal.final.pdf 希望这会有所帮助......