在後互聯網時代,原創與偽原創成了熱門話題,核心是如何守住「內容為王」。對門戶型大互聯網公司而言,也許有專業編輯和寫手,但據我所知,他們也難免要轉載他人文章。如何在原創與非原創之間找到平衡點,是網站運營人員和編輯必須把控的課題。
搜索引擎如何辨別原創和偽原創?
以目前的計算機水平,是不可能真正做到人工智能識別內容的。或許對英文系還好些,畢竟英文詞庫有限,每個英語單詞的含義獨立或相關,而且英文裡有用「-」區分的習慣。
中文則明顯不同:同一個意思,可以用無數個詞去形容,千變萬化。比如「人面桃花」一詞,內涵就頗為豐富,計算機根本無法辨識。那搜索引擎如何判定原創與偽原創?下面是思路實現。
首先,搜索引擎會把兩篇文章有機篩選,作為比對對象。它怎麼知道這兩篇相關?靠的就是關鍵詞——文章裡内置一定比例關鍵詞的原因正在於此;至於如何區分文中哪個是關鍵詞,搜索引擎自有算法解決,不再贅述。
取出兩篇文章後,計算機就開始分析:
1、設定一個比例,比如定義為M,係數標註為0.5。
2、把A文按字數、段落分為三段,B文段落也分為三段,然後進行算法編譯(可理解為加密之類),即把文字變成符號。比如一段話編譯後變成aaacbdfbcdfsdafefasdfasd這樣的字符串(不一定用ABCD,這樣做是為了方便計算機比對與處理)。
3、把A、B兩篇經過上一步處理,再通過算法得出兩文的相似度,得到一個類似上述M的係數。按標準,高於0.5即判為雷同,低於則不雷同;若雷同,再利用蜘蛛爬行得到的其他參數來決定誰是原創、誰是非原創。
我們如何應對搜索引擎的原創判定?
道高一尺,魔高一丈。互聯網上永遠沒有絕對的矛與盾,在計算機還無法真正做到人工智能之前,原創與偽原創是一個暫且永恆的話題。做「最強偽原創」,可以三步走:
1、標題一定要改,且要改得出神入化。漢字博大精深,同一個意思可用很多方式體現;若實在改不動,我教你一招——把標題寫到20到25個字,你自然就獨一無二了。
2、若你有不錯的文字功底,看完人家的文章後能瞬間在腹稿裡形成框架,再用自己的語言描述,配上圖片等富文本修飾,那絕對是一篇難得的偽原創。
3、內容錯亂。網上很多垃圾站能拿到關鍵詞排名和流量,原因就是采集信息後做偽原創,搖身一變就成了「原創」——這其中最關鍵的一點,就是漢字太複雜。程序建立詞庫,通過匹配同義字,基本能實現通順、大幅降低雷同;至於文章究竟要表達作者什麼真實意象,計算機根本讀不懂。
原創與偽原創,是一對天使與魔鬼。你不必憎恨別人把你的文章偽原創,最多譴責人家人品不好——所謂「文章一大抄」。真正的高手自然是高端的,那就讓偽原創來得更瘋狂些吧!
感謝 深圳車展 的投稿