當(dāng)搜索引擎通過相似度把文章收集起來后,要判別一下是否是重復(fù)文章,經(jīng)常用的是數(shù)據(jù)指紋,數(shù)據(jù)指紋有很多種算法,常見的比如講文章的標(biāo)點符號提出,進(jìn)行對比,你很難想象有兩篇不同的文章,標(biāo)點符合是一致的。還有對向量進(jìn)行對比,也是TF詞頻(關(guān)鍵詞密度)等等來判斷。
這時候你可以想象出,現(xiàn)在很多偽原創(chuàng)工具,只是把關(guān)鍵詞進(jìn)行了替換,你想關(guān)鍵詞替換后,標(biāo)點符號指紋是不變的,甚至連TF詞頻都不變。還有對文章進(jìn)行段落的重拍,這個的確是打亂了標(biāo)點符號,但是向量和詞頻問題依然存在。那么這樣的偽原創(chuàng)工具有沒有價值你可想而知了。(可能對于百度還是有作用的)