网页相似度是比较网页是否相似，通常有以下两种计算方式：
1. 根据网页摘要来比较，如果多个网页摘要的 md5 值一样，证明这些网页有很高的相似性
2. 根据网页出现关键词，按照词频排序，可以取N 个词频高的，如果md5 值一样，证明这些网页有很高的相似性。
网页相似度对SEO 的影响：
Google 对网页相似度限制在60%，如果超过这个标准将导致页面不被收录，或者收录后排名靠后中。参考：如何降低网页相似度？
404 页面
相关服务器返回代码介绍：
200 客户端请求已成功响应。
301 永久重定向某个链接。
302 临时重定向到某个链接。
404 访问的页面暂时不存在。
当网站进行调整、页面进行修改的时候，便会有网页被删除、改名或移动位置，这时候，虽然相应内容的网页还存在于网站中，但使用原来的地址访问则无法访问，或者由于拼写错误导致一个无效的链接，都将使服务器返回 404 状态码。但是，Web 服务器默认的404 错误页面，均十分简陋、呆板且对用户不友好，无法给予用户寻找相应信息的更多线索，用户看到这类页面往往最直接的反应并是关闭浏览器窗口离开，这在很大程度上给网站造成损失。毕竟，对网站来说，用户永远是最重要的资源，以这种方式损失用户更意
味着某种程度的失败。
这也是许多网站使用自定义 404 错误页面的原因。通过良好的自定义404 页面，可以包含对网站的相应介绍、用户可能感兴趣的内容链接或者网站内容导航链接、内容搜索功能等，能够有效地帮助访问者找到其欲寻找的内容或相似的内容，提高用户在网站内浏览更多信息的机会。
正确定义 404 错误页面：
1. 对于已经存在的信息由于路径改变而导致访问不了时，应该在IIS 中定义404 错误指向一个动态页面，在页面里面使用301 跳转到新的地址，此时服务器返回301 状态码。
2. 当访问一个错误的链接时，将调用404 页面，但由于在IIS 里面设置的不同将导致返回不同的状态码：
1. 404 指向的是一个htm 文件，此时页面返回的404 状态码，这是正确的。
2. 404 指向的是一个URL，例如 /error.asp，如果不在页面里面进行设置，仅仅是返回提示的HTML 代码，将导致页面返回200 状态码，此时的危害在于，当很多页面找不到时，
都返回和访问正常页面时返回一样的200 状态码，将使搜索引擎认为该链接存在，并以错误页面的内容进行收录，当这样的链接很多时，将导致大量页面重复，使网站排名降
低。处理方法：在显示完提示内容后，增加语句： Response.Status="404 Not Found" ，这样就保证页面返回404 状态码。
3. 避免在调用 404 页面的时候返回302 状态码，容易被搜索引擎认为是重定向作弊。
4. 检测方法，使用 HttpWatch 查看返回代码。参见：
在这个例子中，我请求的是http://www.sina.com.cn/1223.html ，新浪返回错误页面，然后5 秒钟后，使用js跳转到首页。
