Hello，大家好，又到了干货时间，大家都知道现在搜索引擎对文章的质量和原创度要求越来越高，研究发现，出现在网站上的新文章将得到更好的收录，有了收录才能有机会获得更好的排名，今天介绍一个很多5118铁粉正在内测的工具：
本工具的原理是通过对文章进行智能短语切割，而非词汇切割，对文章进行整体分析，得出哪些词汇是可以被其他词汇最准确的替换，举个例子：
像 “吃瓜群众” 这样的短语，在很多分词系统中可能会分为 “吃瓜”和 “群众”，而在5118这套智能原创工具中，由于机器能够像人一样理解 “吃瓜群众” 和 “键盘侠”、“五毛党” 、“网络喷子” 、“杠精” 等词汇意义是相似的，所以工具自动推荐该短语可以被这些词汇所替换，当然根据上下文我们自己也需要做出判断。
例如像成语“津津有味”，智能算法知道“兴致勃勃”、“津津乐道”等词汇是可以在文中替换的。
例如下面一个段落：“小龙女吴卓林一直生活在跌宕起伏之中，与母亲吴绮莉的吵吵闹闹更让吃瓜群众吃得津津有味，后又被爆与31岁女网红相恋，惊呆了一群吃瓜群众。”
经过5118工具智能算法分析后，工具界面上将会如下文所示：
小龙女吴卓林一直生活在跌宕起伏之中，与母亲吴绮莉的吵吵闹闹更让吃瓜群众吃得津津有味，后又被爆与31岁女网红相恋，惊呆了一群吃瓜群众。
蓝色文字和橙色文字代表可以点击显示智能替换词语，而蓝色和橙色之间有一定区别，橙色代表已经有比较确定的替换词汇，而蓝色标识这个词汇短语是猜测有哪些可以替换的词汇。
作为一篇文章我们一般会保留他的主体，例如人物、事件，如果这些替换了整篇文章就是假内容了。
如图虽然智能算法也知道“吴卓林”是成龙的女人，但是由于文中前面有“小龙女”这个修饰，所以这里替换为“成龙女儿”不符合语法。
按照这种方法，我们不断的选择智能算法为我们建议的可替换词汇，最后那段文字将会变成：
小龙女吴卓林总是家庭生活在起起伏伏当中，与妈妈吴绮莉的磕磕绊绊更让键盘侠吃得兴致勃勃，后又被爆与31岁美女网红同床共枕，吓尿了成群网络喷子。
通过这类替换，文字已经区别非常大，我们利用搜索引擎识别的同样的方法实现了相似度计算，可以在界面顶部看到相似度已经下降到了58.43%，这已经是一个非常低的数值，完全可以认为是两个不同的文字。
通过上面的整个例子我们看到一些有意思的替换：
跌宕起伏 —- 起起伏伏
吵吵闹闹 —- 磕磕绊绊
吃瓜群众 —- 键盘侠
津津有味 —- 兴致勃勃
女网红 —- 美女网红
相恋 —- 同床共枕
惊呆了 —- 吓尿了
吃瓜群众 —- 键盘侠
大家是不是看出智能算法的强大，有的时候连人类都不一定会有这些联想，这要归功于人工智能和大数据，5118通过对全网100亿文章进行智能分析，将中文短语分词准确率提高到新的高度，同时利用GPU云计算来加快对海量数据的智能总结，能在几天内从几十T的大数据中得出类似“惊呆了”和“吓尿了”这类短语的关联性数值。
通过该工具，原创度检测平均可以降到 50% – 70%左右，通过替换法，这已经是文章原创度修改的极限，这也取决于原文的类型，例如娱乐类因为100亿语料中占比很高，所以对娱乐类文章算法将会呈现更好的表现，而对于一些比较生僻的领域，可能算法就不能得出最佳的方案。
当然 50%-70%的相似度不是我们的最终目标，我们希望能够下降到50%以下，这需要通过更加智能的算法来完成，例如像人类一样更改句式，能够将一个句子用不同方式来表达，这是5118接下来的目标，目前已经进入实验阶段，再接下来的2个月中，将会更新到线上供大家体验。
目前该工具还处在实验阶段，正在广泛收集意见，近期通过对5118用户使用情况调查，已确定接下来要实现的功能：
1、使用最佳的替换词一键式替换整篇文章
2、集成句式替换功能
3、允许人工输入自己的替换词
4、提高替换词列表的排序精度，通过更大知识库来优选最适合的词汇
如果您使用过后有更好的想法，欢迎在本文后面留言，我们会认真对待您的建议。
最后我们来看一篇经过整体只能替换后的文章，是不是看不出机器算法参与过的痕迹？但是它的相似度已经低至了58.31%，足以看出智能算法的强大。
