¿como sebe un buscador si tiene un duplicado de documentos?

¿Cómo sabe un buscador qué páginas tienen contenido duplicado?

Estadísticas De Tu Web Gratis. Analiza Los Datos Y Mejora Tu ROI. | http://googleads.g.doubleclick.net/aclk?sa=l&ai=BKRodQHytTNGMKZHH_AbypK2CCaCt98gBuLquqBPAjbcBoNJsEAEYAiDcsoUCOABQpKfy__r_____AWDVrdWC1AigAeTw__0DsgETd3d3LmVsd2VibWFzdGVyLmNvbcgBAdoBZ2h0dHA6Ly93d3cuZWx3ZWJtYXN0ZXIuY29tL2FydGljdWxvcy8lQzIlQkZjb21vLXNhYmUtdW4tYnVzY2Fkb3ItcXVlLXBhZ2luYXMtdGllbmVuLWNvbnRlbmlkby1kdXBsaWNhZG-oAwHoA-UD6AP2COgD-APoAw31AwgAAMQ&num=2&sig=AGiWqtxexqEu-JEZHW8q-gClqBLOL4VmPg&utm_medium=ha&utm_campaign=es_es&utm_term=seo&client=ca-pub-9125207024761938&adurl=http://www.google.com/analytics/es-ES/%23utm_source%3Des_es-ha-sp-bk_analytics

SEO, Google, yahoo, buscador, posicionamiento, robot, spider-bot, search engine, contenido duplicado

Con tanto contenido de calidad dando vueltas por la red, es inevitable que los robots de los motores de búsqueda encuentren notas, artículos, frases y demás contenido duplicado. La pregunta del millón es: ¿Cómo sabe un buscador qué páginas tienen contenido duplicado?
O dicho de otra manera: ¿Cómo reconoce una página como la original? No te gustaría que un sitio o blog que copia tu contenido se posicione mejor ¿verdad? Tranquilo, esto no va a pasar. Entérate cómo funciona el proceso de descarte de sitios con contenido duplicado con este excelente gráfico.