偽原創(chuàng )相似度查詢(xún)(搜索引擎如何去判定原創(chuàng )和偽原創(chuàng )？（一）)

　　原創(chuàng )和偽原創(chuàng )已經(jīng)成為后互聯(lián)網(wǎng)時(shí)代的一個(gè)重要話(huà)題，即如何確?！皟热轂橥酢?。對于大型的門(mén)戶(hù)互聯(lián)網(wǎng)公司來(lái)說(shuō)，也許他們有專(zhuān)業(yè)的編輯和撰稿人，但據我所知，轉載別人的文章是逃不掉的。如何在原創(chuàng )和非原創(chuàng )之間取得平衡，是運營(yíng)商和編輯作為網(wǎng)站必須控制的一點(diǎn)。

　　搜索引擎如何區分 原創(chuàng ) 和 偽原創(chuàng )？

　　從目前的計算機來(lái)看，真正的人工智能是不可能識別內容的。也許對英語(yǔ)系更好。畢竟英文系的字庫有限，每一個(gè)獨立英文的意思都是獨立的或相關(guān)的。并且英文有一個(gè)默認習慣用“-”來(lái)區分。

　　中文顯然不一樣。同一個(gè)意思可以用無(wú)數的詞來(lái)形容，千變萬(wàn)化。比如“人臉桃花”這個(gè)詞有很多含義。所以計算機是無(wú)法識別的。那么搜索引擎是如何確定原創(chuàng )和偽原創(chuàng )的呢？下面是這個(gè)想法的實(shí)現。

　　首先，搜索引擎將文章的兩篇文章有機地篩選出來(lái)作為對比對象。如何知道比較的 文章 是相關(guān)的？當然是關(guān)鍵字，根據文章這也是為什么文章中必須內置一定比例的關(guān)鍵字，至少如何區分文章中哪個(gè)是關(guān)鍵字，搜索引擎有自己的算法來(lái)解決它，不再。

　　取出兩個(gè)文章后，電腦會(huì )分析：

　　1、 設置一個(gè)標度，比如M，標有系數0.5。

　　2、A類(lèi)文章按字數分為三段。B章的文章段分為三段，然后編譯算法，也可以理解為加密之類(lèi)的，也就是說(shuō)把文字變成了符號。例如，編譯一段之后，就變成了像aaacbdfbcdfsdafefasdfasd這樣的字符串。當然，不必使用 ABCD 字符。這樣做的好處是便于計算機比較和處理。

　　3、那么第二步處理A和B兩篇文章文章，然后通過(guò)算法得到兩篇文章文章的相似度有多少，（估計是這個(gè)比較算法很復雜，我只能猜測。）會(huì )得到一個(gè)值，就是一個(gè)類(lèi)似于上面1中提到的M的系數。按照標準，比如高于0.5，表示相同，低于0.5，表示相同。如果相同，則使用搜索引擎爬取的其他參數來(lái)判斷誰(shuí)是原創(chuàng )，誰(shuí)不是原創(chuàng )。

　　我們如何處理搜索引擎的 原創(chuàng ) 決定？

　　路高一尺，法寶一尺高?；ヂ?lián)網(wǎng)上永遠不會(huì )有絕對的矛或盾。計算機不可能真正實(shí)現人工智能。因此，原創(chuàng ) 和偽原創(chuàng ) 是一個(gè)暫時(shí)而永恒的話(huà)題。要成為最強的偽原創(chuàng )，你可以采取以下三個(gè)步驟：

　　1、標題要改，要改得驚艷。漢字很復雜，同一個(gè)意思可以有多種表達方式。如果實(shí)在改不了，那我就告訴你一個(gè)辦法，就是把標題寫(xiě)成20-25個(gè)字長(cháng)。你一定很特別。

　　2、如果你的文字功底不錯，看完別人的文章后，可以馬上在草稿中形成一定的框架，然后用你的語(yǔ)言描述，加上圖片等富文本來(lái)進(jìn)行修改，“軟文ah”提示絕對是偽原創(chuàng )文章的稀有片。比如我們的汽車(chē)市場(chǎng)中國網(wǎng)有專(zhuān)業(yè)的編輯，對發(fā)布的各類(lèi)汽車(chē)新聞?dòng)写罅康膫卧瓌?chuàng )影響。

　　3、內容亂碼。網(wǎng)上有很多垃圾箱。人們之所以能得到關(guān)鍵詞的排名和流量，是因為采集信息經(jīng)過(guò)偽原創(chuàng )后可以變成原創(chuàng )。最重要的原因之一是漢字太復雜了。程序建立詞庫，通過(guò)同義詞匹配，基本可以做到句子的通順，減少很多相似度。至于文章的內容究竟是想表達作者的真實(shí)形象，電腦根本看不懂。

　　原創(chuàng )和偽原創(chuàng )是一對天使和魔鬼，你不必因為做偽原創(chuàng )你的文章而討厭人，最多只能怪他們人品不好. 所謂的文章 拷貝。真正的高手當然是高端的。

　　更多我的 文章：

　　ADR指標實(shí)用技巧

　　墨菲定律：遵循損失控制原則