山东信息港
网络
当前位置:首页 > 网络

浅谈伪原创系统的原理及其实现7z

发布时间:2019-06-10 07:18:45 编辑:笔名

上个星期写过一篇文章, 让你的站跟新浪的数据保持同步,有一些友产生了兴趣,于是我决定再和大家分享一下里面所提及的伪原创系统,介绍其实现的原理,这个系统在我的西西弗斯工作室中也有介绍。

搜索引擎毕竟还是个机器,通过改改标题,替换一些词语,打乱一些章节,插入一些链接等手段,就能达到伪原创的目的,目前上也有类似的伪原创工具,但还需要人工操作去生成,所以我就想做一个全自动,无人监控的自动伪原创系统,结合自动采集程序,可以实现采集-入库-伪原创的流程,并且整个过程实现无人管理,并具有实时性。

言归正传,要做到更改词语而不影响文章语义,比较好的方法就是使用同义词进行替换,所以我想到步,是建立同义词库,在上搜索这种数据库无果后,决定找相关的站进行采集,发现金山词霸可以很好地满足我的要求,通过采集,建立起了词库,上万条数据。

然后就是进行关键词替换了,那么怎么样替呢,替换那些呢?我的想法是先对文章进行分词,分成若干个词组,然后取长度大于两个汉字的,在同义词库中进行搜索,如果有,则替换之,我使用python来实现这个流程的,另外为了加速同义词的速度,可以使用key-value进行存储。一些关键代码如下:

def getnewword(text,list):

cxn。execute(select id from tool_words where name='%s' limit 1%text)

result=cxn。fetchone()

if type(result) is not NoneType:

cxn。execute(select name from tool_wordslike where wid=%d order by rand() limit 1%result[0])

result4=cxn。fetchone()

if type(result4) is not NoneType:

list[text]=result4[0]

def cuttest(text,flag):

list={}

wlist = seg。cut(text)

wlist。reverse()

result=

for tmp in wlist:

if len(tmp)1:

if flag==1:

getnewword(tmp,list)

if flag==1:

result=

for k in list。iterkeys():

result+=k+,+list[k]+;

else:

result+=tmp+;;

return result

不过毕竟伪原创系统,也是一个程序,肯定不可能完全保证语义的不恰当,语句的流畅,主要提供给那些做垃圾站的达人们,哈哈,我记得我的站有一篇转换后相当搞笑,://.xxfsw./ml,诺贝尔物理学奖得主俄院士金茨堡逝世,结果把逝世转成了圆寂,我都无语了。当然除了近义词的替换外,还有段落的颠倒,插入链接等,这些就比较容易实现,我就不细语了,大家根据实现情况选择,后来我也想了一些方法,可以实现对搜索引擎呈现使用伪原创后的内容,对实现用户提供伪原创前的内容,这样既达到了目的,又不影响用户体验,只是不知道这样的危险有多大,会不会被百度人工查出。

于是乎,经过这样一番折腾,百度蜘蛛来到了你的站,大惊了一下:哎呀小样,这文章内容没见过啊!收了。

本文由西西弗斯工作室(北京站建设://.beijingjianzhan./)首发,转载请注明,谢谢。

新零售
小程序开发平台
微商城怎么开通分销功能