相思资源网 Design By www.200059.com

伪原创的目的是为了是搜索引擎认为这是一篇原创文章,从而给此文章比较高的权重。而目前伪原创有很多做法,例如替换词语,交换句子等。

在这里将从各方面分析伪原创以及手把手教你制作伪原创程序。与昂贵的伪原创软件说拜拜!龙居客网站长提供

教程环境:

1、PHP

2、MYSQL

3、SCWS分词系统

类似PHP脚本,类似MYSQL数据库,类似分词系统亦可,在此只提供思路。

第一步:配置好你的环境!

在此需要做的是下载SCWS分析系统,按照官方的教程安装此系统,并且测试通过。其他的后台脚本,数据库就不多说了。SCWS是设计给C语言使用的,也为PHP做了扩展库,你也可以使用C语言制作你的伪原创程序。

第二步:获取文章,肢解文章

所谓肢解文章,就是将文章分句,分句需要自己写程序进行,我提供一个思路:以句号、感叹号、问号为分句标识,以上引号,左括号,左书名号等位起始符,以右引号、右括号、右书名号为结束符。遍历文章,当遇到起始符则进入不可分句状态,遇到结束符则退出此状态,当遇到分句标识时,仅当当前为可分句状态是,将读取到的内容分为一句,以此循环,将文章肢解问一个一个的句子。在此做分句状态的目的,是为了保护位于括号、引号、书名号等一段内容内的分句标识,例如【他说:“我爱你。”】这里的【我爱你。】不会被误分解。

第三步:分词

将分解的句子进一步肢解,得到分词。例如【苹果与西红柿一个是水果一个是蔬菜】这个句子可以分为【苹果】【与】【西红柿】【一个】【是】【水果】【一个】【是】【蔬菜】,在这个步骤中,需要SCWS的帮助,正常安装此分词系统后,分词操作只需要一个函数。就这个简单!另外,除了分解出词语之外,还要获得词语的性质,例如名词、动词等。

第四步:关键词同义替换

在此需要一个知识库的支持,下载《哈工大信息检索实验室同义词词林》扩展版,里面是非常全的同义词大全,每个词有多个编码,代表该词多义,一个编码下有多个词,表示这些词是同义词,将他们读取并保存到数据库中备用。

根据相关领域,设置你的关键词,例如你是做房产类网站,那么你的关键词可能是租房,出租,二手房,买房子,房屋合同,要找出很多的该领域的关键词,然后根据同义词词林对它们进行替换。为什么只替换关键词呢?因为一个非关键词部分替换了,可能会引起奇异,而且不是该领域的词,权重没有领域关键词权重高,损失语句通顺度来做伪原创,得不偿失。

第五步:标点乱舞

文章相似度的计算是根据句子相似度计算的,句子的相似度又是根据词相似度计算出来的,所以即使更换了关键词为同义词,所得到的文章与原文还是会被判定为相似文章,怎么办呢?首先我们看看如何进行文章相似度计算。

前面说的同义词词林的编码,其实这里面大有学问,不是随便乱编的码,同义词词林的拓展版将一个词的词义,用一个编码标识,编码可分为5部分,分别是大类、中类、小类、词群、原子词群,例如学生和老师,这两个词,肯定是属于一个大类的,因为他们都是人,而西红柿和番茄,肯定是一个词群的,因为他们指的就是一个东西。那么相似度的计算就简单了,按照100为完全相同来计算,若大类相同,则为10,若中类再相同,则为20,若小类再相同,则为50,若词群再相同则为90,若原子词群再相同,则为100。这里为什么要用“再”字,因为只要其中有一个不同,则无需再对比下去,例如大类都不同的两个词,中类,小类肯定不同了。

在此对比两个文章中的一个句子出现的词的相似度,计算每个句子的相似度,进而计算文章相似度,这里涉及一个算法,类似google的PR算法,以贡献度来叠加计算相似度。

说了这么多,我们该如何做,我们要打乱标点符号,干扰搜索引擎的分句处理。

人看文章时,特别是新闻或者资讯,一般不在意标点符号,甚至有些人只是一眼而过粗略的看,即使断句混乱,文章大意不会有任何问题,所以我们要随意的将文章中的句号和逗号随意的替换,这样影响搜索引擎对文章进行分句,从而影响其相似度计算。

第六步:建立摘要置于段首

文章越靠前的内容越重要,这点毋庸置疑,所以我们需要对文章进行摘要,置于文章顶部,摘要的制作要有一定的压缩率,如1000字的文章,做100字的摘要即可,这里不按字数来统计,按句子数来统计比较方便,因为我们已经对文章进行了分句处理。500句规模的文章,做20句摘要左右。摘要的核心在于选取摘要句子,因为摘要本身是让人了解个大概意思,所以又那么一点点语义不通是可以承受的。

前面说过了关键词,提取摘要也需要关键词,我们以权重的方式提取摘要句,包含关键词的句子,权重高,包含的数量越多,权重越高,以此计算出每个句子的权重。然后根据原文的顺序,按权重高低顺序将他们提取出来,直到提取够你所需要的句数为止。将他们拼接,成为文章的文摘。

在此还可以做的更好一些,在网上找句子相似度计算算法,计算句子相似度,将相似句剔除,防止语义重复。因为包含很多关键词的句子很有可能意思是重复的。

第七步:标题的自定义

伪原创很重要的一点就是改标题,标题一定要改,根据相似度计算的算法,我们改标题一定要改得焕然一新,例如【高考10招】改成【高考十招】,这种改法,你简直是把百度当傻逼了。那要怎么改呢?编瞎话你会不?【专家十点建议,助你备战高考】【做到这十项,高考得满分】【清华离你只有十步!】改成这些标题意思没变,但是很吸引人去点击,并且不会被搜索引擎发现是雷同文章。不错把?

第八步:打乱权重较低的句子的顺序

权重低的句子也能派上用场,虽然我们认为这些句子不是很重要,但是搜索引擎可不知道,我们把他们的顺序稍微打乱,并不影响语义,反而起到了伪原创的效果,很好。

对于目前的伪原创软件,无章法的打乱句子顺序,是不可取的。例如一篇文章介绍了10个软件,已经标记好了1、2、3、4的顺序,经过伪原创之后,顺序乱了,读者读起来就匪夷所思了。而本文介绍了句子打乱,是从局部范围内打乱,而且都是非关键句。

即解决了伪原创的问题,又解决了文章可读性的问题,除非你的文章只是给搜索引擎看的而不是给人看的,否则,赶紧动手制作自己的伪原创程序吧!感谢龙居客网站长提供(http://www.longjuke.com)

>> 查看更多相似文章
标签:

相思资源网 Design By www.200059.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
相思资源网 Design By www.200059.com

评论“自己动手制作伪原创程序 分为八个步骤”

暂无自己动手制作伪原创程序 分为八个步骤的评论...

稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!

昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。

这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。

而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?