已知无用的伪原创手段
《SEO实战密码》 中总结了6种内容作弊手段，这些都已经被百度识别了。无论是同义词替换还是简单在原来文章上做更改，都已经没有收录的几率。其中已经没有用的伪原创手段包括如下：
1 更改（完全重写）标题
2 颠倒段落次序
2 加一段原创，如在最前面加一段内容摘要
3 文字简单增减，如感叹词、修饰词
4 同义词近义词替换
5 强行插入关键词，如在一篇小说中强行插入关键词
AI伪原创有用？
圈子里面用伪原创的站长，反馈飓风3上线后，收录是一天不如一天，比如今天发1000篇伪原创文章，下午就剩下收录500篇，明天收录收录不到100篇，90%以上伪原创内容的都被百度识别掉了。
如下图左边是原文，右边是AI伪原创的结果，可以看到无论是句子顺序还是很多词语，都发生了变化。基本每个句子都不是相同的。最近很多人都热推AI伪原创，认为可以通过百度收录，可以取得排名。
第3代百度原创识别手段：
因为第二代的手段效果很不好，所以百度终于推出了飓风算法（ 2017年7月7日上线），而对应的专利在2017年3月底提出的申请，那么时间点也比较吻合。基本思想是对句子使用simhash算法做签名，然后用汉明距离做原创度检测。
什么是同义词级别simhash
看不懂没关系，先了解simhash算法一点皮毛，A简单举一个例子，一图胜千言。
如果您是算法专家，可以访问传送门：https://github.com/yanyiwu/simhash了解simhash算法。
结论：只相当于违规变成了非法
AI伪原创能过百度原创吗？
基础假设
那么回到AI原创的问题，因为百度飓风3.0按照句子级别的simhash进行去重，我们假设：
前置条件1：对句子长度为100个字，进行伪原创
前置条件2：把句子的签名做对比，伪原创后编辑距离位数小于10，并且汉明距离小于10，并且汉明相似度大于80%
判定结果：抄袭
不了解编辑距离，汉明距离（也叫海明距离）的可以看
百度百科《编辑距离》：https://baike.baidu.com/item/%E7%BC%96%E8%BE%91%E8%B7%9D%E7%A6%BB/8010193?fr=aladdin
百度百科《海明距离》：https://baike.baidu.com/item/%E6%B5%B7%E6%98%8E%E8%B7%9D%E7%A6%BB/4235876?fr=aladdin
你不会编程没事，我们会。我们有现成的分词方法，也有停止词过滤程序，直接用github上的程序。
参考：https://github.com/cmhc/simhash/blob/master/src/simHash.php
随便找了一篇网易的文章，做一下simhash的编辑距离跟汉明距离。
AI伪原创工具评测1：
最终结果：
没有过假设的百度原创关，编辑距离为6，海明距离为8，相似度高达87.5%
AI伪原创工具评测2：
不死心，又要了另外一家AI伪原创：
最终结果：
没有过假设的百度原创关，编辑距离为7，海明距离为10，相似度高达84.3%
AI伪原创工具评测3：
还是不死心，又要了另外一家AI伪原创：
最终结果：
他xx的什么破AI伪原创，编辑距离只有4，海明距离为6，相似度高达90%！被百度干的渣渣都不剩，别误人子弟好不好？
结论
首先、直接伪原创不容易过百度原创
人家百度几千号人来做开发呢，就凭一个伪原创就能过了百度检测吗？所以大家千万不要直接采集人家的内容，稍微伪原创就发到自己网站上了，这就是作死。
其次、同义词替换语句颠倒没毛用
某些网站声称几十万的同义词近义词词库，告诉大家，百度为了压缩索引，同义词词库可比你们任何词库都丰富的多，人家的同义词库还是分词性的。另外语句颠倒不会影响simhash算法结果哦。
如何做采集过原创
AI伪原创本质是机器训练后的同义词替换+语句颠倒，百度判重算法是基于simhash的，跟文字顺序无关，如果剔除了停用词，百度打的你裤衩都不剩。
同义词库如果去掉停用词，比如“虽然”“也许”之类的，剩下的也就不到8亿了。其次，没有区分词性的替换，对语句通顺序破坏很大。很多喜欢伪原创的同学不知道DNN是什么玩意，这东西在文本纠错、输入法预测方面已经有很成熟的商用产品了，百度内部用DNN的地方也非常广泛。所以，很多同学伪原创的文章被收录了，但是没几天就又被回收了。
我们是如何做的SEO更文？
根据关键词
内容采集
采集问答（ 百度知道 搜狗 知乎）
采集自媒体(百家号、搜狐、微信)
直接采集微信
内容处理
自动分析内容的核心词来利用高智能算法来获取相关内容文章，并智能提取相关度高的段落，根据需要可直接插入的文章里面。
内容检测
最后对于内容的原创度Simhash 相关度TD-IDF 通顺度DNN 进行检测过滤 如果不过关就不会发布。
使用效果：
一周内收录17700条 ，网站权重4
使用细节:
确定主词过后，然后让客服导出长尾词，然后筛选出来价值较高的关键词。
然后一个关键词即为一篇文章的标题。
