php伪原创思路,伪原创系统的原理及其实现_PHP

上个星期写过一篇文章， 让你的站跟新浪的新闻数据保持同步，有一些网友产生了兴趣，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，目前网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，所以我想到第一步，是建立同义词库，在网上搜索这种数据库无果后，决定找相关的网站进行采集，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，替换哪些呢？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