搜狗问答内容来源
作者：shenmeng 发布时间：December 18, 2009 分类：默认分类
有时候搜索某个问题的时候，在Google的结果页面同时会有百度知道和搜狗问答的页面，打开两个页面会发现两个问题是一模一样的，这还好理解，可能是同一个人在两个地方同时问，但是通常是答案也是一模一样的，这个就让人感觉有些巧合了。前几次遇到，我还没怎么注意这回事，但是最近又遇到几次，我就决定看看这些到底是怎么回事。
我先从第一个相同问题下手，在搜狗中先进入提问者用户的个人中心，就能看到该用户所有的提问和回答，然后在百度知道中搜索同样的问题，基本都能搜到（因为太多了，我没有逐个尝试，其中有一个没找到的在搜搜问问中找到了），而且搜狗问答中的提问时间和解决时间都略晚于百度知道。然后看该用户的其他问题，很快就发现很多矛盾之处，地名矛盾的就不说了（说不定别人搬家了），单是性别、年龄、学历方面就多处矛盾，比如一个ID为“焦守银”的问题中有两个是：“我该怎样去告白 我喜欢上了一个女孩子,她是我和朋友聚会认识的 ……”（该问题在百度知道中没有找到，但在 搜搜问问中找到了，看来搜狗问答中问题来源不止百度知道一处）；“我有乳房肿块已经有3 个月了 ……”。另外一个ID为“ufoorange”的有三个个问题是：“怎么对女朋友才好？ 我原来经常摸我的女朋友……”；“该来月经了，为什么只有黄褐色的液体？上个月吃了紧急避孕药……”；“宝宝是个女孩，2008年8月6日上午9点38分出生，妈妈姓刘，爸爸姓徐，哪位高人帮忙下！谢谢”；第三个问题也太谱了吧，现在都2009年了，难道哪里流行出生一年后再取名？我觉得搜狗的采集机应该增加一条规则：不采集包含时间的条目。另外，“崔慧VS毛毛雨” 的ID 在一个月时间内回答总数将近1000条，专业答题人士啊。
这种ID应该不是实际的用户ID，而是采集器ID，暂时称为“机器人ID”。
找到一个“机器人ID”，还不足以说明问题，但基于以下几点就能搜出很多“机器人ID”：
- 同一个问题的提问者和回答者应该不同
- 为了保险起见，“机器人ID”提问的最佳回答应该是“机器人ID”的答案
- 为了保险起见，“机器人ID”回答的问题应该是“机器人ID”提出的
这样只需搜索第一个“机器人”的问题就能找到一连串的“机器人ID”。
以前还只知道小网站搞采集，搜狐也还算个大站吧，怎么也做这种事。
下面是一些截图：
已有 5 条评论 »
你有点猛，做市场调查吗，哈哈。。。。。。。。。。。。
总搜出一样的东西不爽，所以找了些，呵呵
早就曝光了，大家互相抄来抄去，所以百度也不提这壶，今天你抄我的，明天指不定我得抄你的。经常摸女朋友那个比较搞人……
这个我倒不知道，不过搜狗采集的也太多了点吧
换了一域名，麻烦更新下链接，呵呵
http://zpmaomao.com