內容 SEO
Duplicate Content Checker（重複內容檢測）
貼上兩段文字——草稿同發佈版本、你篇文同對手篇文、或者你頁面同轉載副本——逐句睇下究竟重疊咗幾多。
匹配係以詞級 shingle（連續詞序列）為基礎，所以適用於任何拉丁字母語言。對於書寫時字與字之間冇空格嘅語言（例如中文、泰文、高棉文），信號會粗略啲——呢啲語言嘅分數當係方向性參考就得，唔好當係精確數值。
呢個工具會檢查啲乜嘢
搜尋引擎對大幅重複其他地方已收錄內容嘅頁面會有戒心——唔理係俾人爬咗(scrape)、未註明出處就轉載，定係一份舊草稿從未重寫過。呢個工具量度兩份文件之間嘅真實文字重疊：整體相似度評分、邊啲句子係逐字重複或者高度改寫、以及兩者共有嘅最長逐字短語。
評分點樣計算
呢個引擎用緊 w-shingling（詞級切片）——同搜尋引擎同查重工具用嚟做近似重複檢測嘅係同一類技術——而唔係簡單嘅字符差異比較，所以即使段落次序調換或者有小改動，都仲係捕捉得到。
文件相似度（shingle 上嘅 Jaccard 指數）
兩段文字都會被切分做重疊嘅 6 詞序列（「shingle」）。Jaccard 指數——共有 shingle 數除以所有獨特 shingle 總數——會俾一個即使段落重新排列都仲穩健嘅整體相似度評分。
內容重疊（包含度 containment）
當一段文字比另一段短好多嘅時候，淨係用 Jaccard 會低估重疊程度（一篇長文入面嘅短引用，就算 100% 俾人抄咗，Jaccard 分數都會好低）。Containment 分別量度較短文字嘅 shingle 有幾大比例出現喺較長文字入面（雙向計算），所以捕捉到呢種情況。
句子級匹配
文本 A 入面每個句子都會同文本 B 入面每個句子做更細粒度嘅相同 shingle 重疊比較，然後歸類做完全匹配、近似重複（改寫級別嘅重疊）或者獨特句子。
最長逐字重複片段
喺匹配咗嘅句子對入面，工具會搵出兩段文字共有嘅最長連續逐字詞序列——一段較長嘅逐字重複片段，比中等嘅整體分數更能講明重複內容嘅問題。
常見問題
重疊幾多會俾 Google 當係「重複內容」？
Google 從來冇公佈過確實門檻，近似重複檢測都只係眾多信號之一。作為實用參考：30-55% 嘅重疊值得覆查；55% 以上（尤其係有幾個完全匹配嘅句子或者一段較長嘅逐字重複片段）就有真實風險令兩個頁面互相競爭或者蠶食彼此排名，或者其中一個俾人當係冇原創性。
如果我自己嘅兩個頁面分數好高，應該點做？
可以將內容做有意義嘅區分（唔同角度、更深入、唔同搜尋意圖）再互相連結，或者揀較強嘅嗰個頁面，將較弱嗰個 301 重定向或者設 canonical 指返去。發佈兩個幾乎一樣、爭緊同一個查詢詞嘅頁面，通常對兩者排名都冇乜幫助。
我而家喺度檢查轉載內容——重複係咪一定係壞事？
唔一定。只要 canonical 頁面清晰，搜尋引擎都可以好好處理合法嘅轉載內容——喺轉載副本上面用跨域嘅 rel="canonical" 標籤指返去原文，或者確保轉載夥伴有咁樣做。
呢個工具會唔會將我啲文字傳送去邊度？
兩段文字會經 HTTPS 傳送一次去我哋伺服器,以進行比較（要令匹配邏輯保持喺伺服器端先可以保證一致），請求完成之後就唔會被儲存。