我们在网站建设的时候网站伪原创的目的是为了是搜索引擎(search engine)以为这是一篇原创文章，从而给此文章比拟高的权重。而目前伪原创有很多做法，例如交换词语，交流句子等。在这里将从各方面剖析伪原创以及手把手教你制造伪原创程序。与昂贵的伪原创软件说拜拜！深圳佰牛网络提供教程环境：

1、PHP

2、MYSQL

3、SCWS分词零碎

相似PHP脚本，相似MYSQL数据库，相似分词零碎亦可，在此只提供思绪。

第一步：配置好你的环境！

在此需求做的是下载SCWS剖析零碎，依据官方的教程装置此零碎，而且测试经过。其他的后台脚本，数据库就不多说了。SCWS是设计给C言语运用的，也为PHP做了扩展库，你也能够运用C言语制造你的伪原创程序。

第二步：获得文章，肢解文章

所谓肢解文章，就是将文章分句，分句需求本身写程序实行，我提供一个思绪：以句号、感慨号、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、右书名号为完毕符。遍历文章，当遇到起始符则进到不成分句形态，遇到完毕符则离开此形态，当遇到分句标识时，仅当目前为可分句形态是，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。在此做分句形态的目的，是为了维护位于括号、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，失掉分词。例如【苹果与西红柿一个是水果一个是蔬菜】这个句子能够分为【苹果】【与】【西红柿】【一个】【是】【水果】【一个】【是】【蔬菜】，在这个步骤中，需求SCWS的协助，正常装置此分词零碎后，分词操作只需求一个函数。就这个容易！另外，除了分解出词语之外，还要取得词语的性质，例如名词、动词等。

第四步：关键词同义交换

在此需求一个知识库的赞成，下载《哈工大信息检索实验室同义词词林》扩展版，外面是十分全的同义词大全，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，把他们读取并保管到数据库中备用。

按照相干范畴，设置你的关键词，例如你是做房产类网站，那么你的关键词能够是租房，出租，二手房，买房子，房屋合同，要找出很多的该范畴的关键词，接着按照同义词词林对它们实行交换。为什么只交换关键词呢？由于一个非关键词局部交换了，能够会引发奇特，并且不是该范畴的词，权重没有范畴关键词权重高，损失语句通畅度来做伪原创，因小失大。

第五步：标点乱舞

文章类似度的计算是按照句子类似度计算的，句子的类似度又是按照词类似度计算出来的，因此即便改换了关键词为同义词，所失掉的文章与原文还是会被断定为类似文章，怎样办呢？首先我们看看如何实行文章类似度计算。|||  

后面说的同义词词林的编码，实际上这外面大有学问，不是随意乱编的码，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局部，辨别是大类、中类、小类、词群、原子词群，例如先生和教师，这两个词，一定是属于一个大类的，由于他们都是人，而西红柿和番茄，一定是一个词群的，由于他们指的就是一个东西。那么类似度的计算就容易了，依据100为整个相反来计算，若大类相反，则为10，若中类再相反，则为20，若小类再相反，则为50，若词群再相反则为90，若原子词群再相反，则为100。这里为什么要用'再'字，由于只需其中有一个不同，则无须再比照下去，例如大类都不同的两个词，中类，小类一定不同了。

在此比照两个文章中的一个句子显示的词的类似度，计算每个句子的类似度，进而计算文章类似度，这里触及一个算法，相似google的PR算法，以奉献度来叠加计算类似度。

说了这么多，我们该如何做，我们要打乱标点符号，搅扰搜索引擎(search engine)的分句处置。

人看文章时，特殊是信息或许资讯，普通不在意标点符号，乃至有些人不过一眼而过粗略的看，即便断句混乱，文章粗心不会有任何Issue(问题)，因此我们要随意的将文章中的句号和逗号随意的交换，这样影响搜索引擎(search engine)对文章实行分句，从而影响其类似度计算。

第六步：树立摘要置于段首

文章越靠前的内容越紧要，这点无须置疑，因此我们需求对文章实行摘要，置于文章顶部，摘要的制造要有一定的紧缩率，如1000字的文章，做100字的摘要便可，这里不按字数来统计，按句子数来统计比拟方便，由于我们已然对文章实行了分句处置。500句规模的文章，做20句摘要左右。摘要的中心在于选取摘要句子，由于摘要自身是让人理解个大约意思，因此又那么一点点语义不通是能够接受的。

后面说过了关键词，提取摘要也需求关键词，我们以权重的方式提取摘要句，包括关键词的句子，权重高，包括的数目越多，权重越高，以此计算出每个句子的权重。接着按照原文的顺序，按权重上下顺序把他们提取出来，直到提取够你所需求的句数为止。把他们拼接，成为文章的文摘。

在此还能够做的更好少许，在网上找句子类似度计算算法，计算句子类似度，将类似句剔除，避免语义反复。由于包括很多关键词的句子很有能够意思是反复的。

第七步：标题的自定义

伪原创很紧要的一点就是改标题，标题一定要改，按照类似度计算的算法，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，你几乎是把百度当傻逼了。那要怎样改呢？编实话你会不？【专家十点提议，助你备战高考】【做到这十项，高考得满分】【清华离你唯有十步！】改成这些标题意思没变，但是很吸引人去单击，而且不会被搜索引擎(search engine)发现是相同文章。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，即使我们以为这些句子不是很紧要，但是搜索引擎(search engine)可不晓得，我们把他们的顺序略微打乱，并不影响语义，反而起到了伪原创的效果，很好。

关于目前的伪原创软件，无章法的打乱句子顺序，是不成取的。例如一篇文章说明了10个软件，已然标志好了1、2、3、4的顺序，经历伪原创之后，顺序乱了，读者读起来就匪夷所思了。而本文说明了句子打乱，是从部分领域内打乱，并且都是非关键句。

即处理了伪原创的Issue(问题)，又处理了文章可读性的Issue(问题)，除非你的文章不过给搜索引擎(search engine)看的而不是给人看的，不然，赶忙入手制造本身的伪原创程序吧！