原创系统

本贴最后更新于 1998 天前,其中的信息可能已经斗转星移

原创的重要性

这里是一个注重原创内容分享和讨论的地方,这里不欢迎全文转载,即使是授权转载。

为了让“注重原创”这件事落地,我们上线了“原创系统”来对帖子进行原创性评分,分值越低原创性也越低:

  1. 10-50:基本是转载,灰色标识。这类内容在这里不受欢迎,并且有很大概率会被管理员删帖,40 分以下的帖子不会出现在全局列表上
  2. 60:大部分是转载,浅灰色标识。这类内容大部分都是摘抄或是没有规范使用“引用”
  3. 70:少部分摘抄转载,绿色标识。这类内容可能是没有规范使用“引用”导致,需要认真排版
  4. 80:极少部分摘抄,蓝色标识。这类内容可能是没有规范使用“引用”导致,需要认真排版,是不错的原创内容
  5. 90:个别术语或短语摘抄,紫色标识。这类内容是很受欢迎的原创内容,会在社区内部以及外部推荐转发
  6. 100:完全原创,橙色标识。这类内容是最受欢迎的原创内容,排版优秀且具有很大价值

目前只有在超过 1024 字符(代码和引用不计入)的情况下才会进入原创系统评分,短文或者简单的问答不会进行评分。

实现细节

原创性我们是通过搜索引擎后验实现评分判断的:

  1. 根据内容 HTML 提取若干段纯文本短句
  2. 将这些短句通过搜索引擎查询,结果排除站内索引,每个短句根据重复搜索引擎重复次数进行评分,其中搜索引擎收录时间和发帖时间的差值会作为一个重要的权重项
  3. 根据每个短句的评分得到该帖的平均原创评分

我们会不断调整原创系统的评分算法,大家可随时跟帖提建议。

这里绝不会成为一个内容农场(Content Farm),这里以后会有越来越多有价值的讨论。

  • 链滴

    链滴是一个记录生活的地方。

    记录生活,连接点滴

    180 引用 • 3878 回帖
  • 系统公告

    B3log 社区相关的重要公告,比如新特性上线,运营策略调整等。

    39 引用 • 3592 回帖 • 682 关注
1 操作
88250 在 2019-12-19 19:58:29 更新了该帖

相关帖子

优质回帖
65 回帖

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...
  • jeffjade 1 via macOS

    哎哟,又一个很棒的功能;抽空我要发帖评测下看看。

  • cc-life 1

    支持 d 大

  • YxxXlv0COaxl 1

    首先就建议一下,
    应该把原创指数显示在帖子的最上方位置,既然标识出来就应该稍微突出一下,增加辨识度.

    同时为了增加辨识度,
    原创性高的,可以在帖子列表中着重标识出来,

  • YxxXlv0COaxl

    你用百度不靠谱啊
    这篇竟然是百分百原创 💢 ❓
    机器学习经典论文 站内 站外

    1 回复
  • zwxbest 1 via Ubuntu

    10-50 分的文章是不是可以不用同步过来了。

    1 回复
  • 88250

    会继续调整的 😂

  • 88250

    是的,等这个系统机制稳定一些以后会加入发帖过滤。

  • KylinShaw 1 4 赞同 via Linux

    支持,现在烦死了 csdn,现在搜索一个问题,csdn 上各种转载,点开好几个都是相同的内容,没有一点意义。

    1 回复
  • clenji

    有没有提供个测试的

    1 回复
  • 88250

    可以发篇帖子测试。

  • xiaopo

    Google 能过滤网站,百度的话,用 '-msdn' 就可以了

  • Eddie

    怎么区分别人转载了自己的文章,结果搜索引擎权重比自己的还高。

    1 回复
  • 88250

    通过时间区别,如果发帖时间早于搜索引擎返回的抓取时间,则时间项权重更大。

  • wenandlu

    是不是原创这东西,还是用人为判断比较靠谱。就像是论文查重一下,难道别人有过的思想,我就不能产生点新的感悟么。

    2 回复
  • 88250

    新的感悟不能靠搬运产生。

    1 回复
  • YxxXlv0COaxl

    你没看到网站存在某些用户批量刷帖的情况吗
    那些全都是批量全文转载.毫无意义,而且都是机器操作,
    对网站没有任何价值和意义

  • DevYui 1

    加油黑客派,加油大 D!

  • nuaa123

    如果发的帖子主要是截的图片,图片里的文字大量摘抄的,这个系统能评出分来嘛?

    1 回复
  • 88250

    你说得好像很有道理 😅 这个暂时靠人肉吧,以后如果这样的情况多了就加个 OCR 转文字然后再识别。

    1 回复
  • nuaa123

    回去我发篇帖子试一试 😋

  • someone3608

    😋

  • zwxbest via Ubuntu

    请问我的这篇为什么没有标识?是 code 块不参与字数统计吗?
    https://hacpai.com/article/1545053651618
    大概什么时候会评分?是定时还是发帖的时候就评分

    1 回复
  • 88250
    1. 计算帖子长度时会剔除 <pre><code><blockquote> 还有空格等元素,之后转纯文本,超过 512 个字才会进入原创评分
    2. 发布前不做评分,发布后第一次浏览会进行评分
  • wizardforcel

    盲目追求新是不对的,新的东西不一定有用。

    一个正常的社区应该区分原创和转载,并且对(优质且不侵权的)转载也同样包容。黑客派上的很多内容就是别人通过调用 API 转过来的,无论是不是作者亲自转载,按这个标准就是转载。

    1 回复
  • 88250 1

    全文转载是坚决抵制的,除非是发帖者自己原创。这几天已经陆续删除了 4K 多篇通过博客同步过来的全文转载文章,现在已经在博客同步社区时加入了原创拦截机制,以后评分 50 以下的内容不会进入到社区中。

    2 回复
  • wizardforcel

    如果你非得逼着创作者在你的社区和其它平台之间做两难选择(而其它平台不会这样),你的社区有什么条件或者回报能留住创作者?

    1 回复
  • 88250

    创作者可以全文转载自己的原创内容到这里,这是受欢迎的。我抵制的是那种从网络上复制粘贴的行为,如果要分享别人的内容,帖链接即可。

    2 回复
  • wizardforcel

    祝你好运。。

  • EvilCodes

    csdn 东西很多,但好多僵尸博客,找到精品帖,有价值的好帖子很难。

  • EvilCodes

    D 哥这个功能加的太有意义了

  • EvilCodes

    咱们的黑客派就应该有和其他社区不一样的东西才行

  • pangwen via Linux

    这真是超赞的功能,虽然我很 low,也创作不出啥东西 😋

  • washmore via Android

    数据最好还是放在那里,万一哪天算法更新了从 49 变 59 了呢?可以选择性展示

    1 回复
  • 88250

    是有这个可能性,感谢建议,后续会不断调整的。

  • wyman0520

    不是很清楚怎么评判呀,我的这篇《总结》可以说是百分百原创 https://hacpai.com/article/1546589340807

    1 回复
  • 88250

    如果不是在黑客派上首发,原创指数会有影响,因为基本原理是从搜索引擎查询,如果发现其他地方已经收录了,原创指数就会降低。

    我并不是有意强迫大家在这里首发内容,本意是通过这个机制过滤掉大部分复制粘贴的内容,存在“误杀”情况实在是抱歉了,我会继续思考这方面的改进 🙏

    1 回复
  • 我从极客时间买的数据结构与算法课程,发到黑客派上了,这样会不会侵权,文章里的字真的是一个一个打的,不是复制粘贴的。

    1 回复
  • 88250

    你看下原文的授权协议。

    1 回复
  • 额,我就分享吧,扔着都废了,不如让大家都看看
    20190113114556png

    1 回复
  • 88250

    未经许可不得转载

    你这不是让我左右为难么。

    1 回复
  • someone26671 1 1 赞同

    那就放在个人 solo 里了,不同步黑客了,还有 20 多篇,刚抄 10 几篇 😂

  • wmatrix via Android

    百度搜索引擎也应该学学采用这样的设计了,各种转载严重影响搜索体验的说

  • vimtutor 1

    感觉分数的计算确实不是很准,不过没关系,大家都等着站长慢慢完善!

  • upaths

    可以设置自动推送吗

    1 回复
  • 88250

    什么自动推送?

  • upaths

    就是写完博客,自动就推送了,现在的功能推送之后都没有标记,难道可以重复推送?

    1 回复
  • 88250

    可以重复推送的,如果已存在会更新,不存在就新建。

  • InkDP 1

    似乎从自己博客上推送上来的不会进入评分,比如我的这篇 go 语言圣经练习解答 -- 第三章 (本系列不定时更新)

    1 回复
  • 88250

    因为你这篇除去引用和代码块就没有多少字符了。

  • InkDP 1

    删了代码还有 1000 多呢

    1 回复
请输入回帖内容 ...

推荐标签 标签

  • TGIF

    Thank God It's Friday! 感谢老天,总算到星期五啦!

    291 引用 • 4495 回帖 • 658 关注
  • PHP

    PHP(Hypertext Preprocessor)是一种开源脚本语言。语法吸收了 C 语言、 Java 和 Perl 的特点,主要适用于 Web 开发领域,据说是世界上最好的编程语言。

    167 引用 • 408 回帖 • 490 关注
  • TensorFlow

    TensorFlow 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。

    20 引用 • 19 回帖
  • Elasticsearch

    Elasticsearch 是一个基于 Lucene 的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于 RESTful 接口。Elasticsearch 是用 Java 开发的,并作为 Apache 许可条款下的开放源码发布,是当前流行的企业级搜索引擎。设计用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。

    117 引用 • 99 回帖 • 200 关注
  • 支付宝

    支付宝是全球领先的独立第三方支付平台,致力于为广大用户提供安全快速的电子支付/网上支付/安全支付/手机支付体验,及转账收款/水电煤缴费/信用卡还款/AA 收款等生活服务应用。

    29 引用 • 347 回帖
  • GraphQL

    GraphQL 是一个用于 API 的查询语言,是一个使用基于类型系统来执行查询的服务端运行时(类型系统由你的数据定义)。GraphQL 并没有和任何特定数据库或者存储引擎绑定,而是依靠你现有的代码和数据支撑。

    4 引用 • 3 回帖 • 13 关注
  • RESTful

    一种软件架构设计风格而不是标准,提供了一组设计原则和约束条件,主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁,更有层次,更易于实现缓存等机制。

    30 引用 • 114 回帖 • 1 关注
  • 职场

    找到自己的位置,萌新烦恼少。

    127 引用 • 1708 回帖 • 1 关注
  • Jenkins

    Jenkins 是一套开源的持续集成工具。它提供了非常丰富的插件,让构建、部署、自动化集成项目变得简单易用。

    54 引用 • 37 回帖 • 3 关注
  • 外包

    有空闲时间是接外包好呢还是学习好呢?

    26 引用 • 233 回帖 • 3 关注
  • Hadoop

    Hadoop 是由 Apache 基金会所开发的一个分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。

    91 引用 • 122 回帖 • 622 关注
  • ngrok

    ngrok 是一个反向代理,通过在公共的端点和本地运行的 Web 服务器之间建立一个安全的通道。

    7 引用 • 63 回帖 • 655 关注
  • Quicker

    Quicker 您的指尖工具箱!操作更少,收获更多!

    37 引用 • 157 回帖 • 2 关注
  • V2Ray
    1 引用 • 15 回帖
  • 域名

    域名(Domain Name),简称域名、网域,是由一串用点分隔的名字组成的 Internet 上某一台计算机或计算机组的名称,用于在数据传输时标识计算机的电子方位(有时也指地理位置)。

    43 引用 • 208 回帖
  • Mac

    Mac 是苹果公司自 1984 年起以“Macintosh”开始开发的个人消费型计算机,如:iMac、Mac mini、Macbook Air、Macbook Pro、Macbook、Mac Pro 等计算机。

    167 引用 • 597 回帖 • 6 关注
  • jsDelivr

    jsDelivr 是一个开源的 CDN 服务,可为 npm 包、GitHub 仓库提供免费、快速并且可靠的全球 CDN 加速服务。

    5 引用 • 31 回帖 • 110 关注
  • JavaScript

    JavaScript 一种动态类型、弱类型、基于原型的直译式脚本语言,内置支持类型。它的解释器被称为 JavaScript 引擎,为浏览器的一部分,广泛用于客户端的脚本语言,最早是在 HTML 网页上使用,用来给 HTML 网页增加动态功能。

    730 引用 • 1281 回帖 • 3 关注
  • 阿里巴巴

    阿里巴巴网络技术有限公司(简称:阿里巴巴集团)是以曾担任英语教师的马云为首的 18 人,于 1999 年在中国杭州创立,他们相信互联网能够创造公平的竞争环境,让小企业通过创新与科技扩展业务,并在参与国内或全球市场竞争时处于更有利的位置。

    43 引用 • 221 回帖 • 58 关注
  • JetBrains

    JetBrains 是一家捷克的软件开发公司,该公司位于捷克的布拉格,并在俄国的圣彼得堡及美国麻州波士顿都设有办公室,该公司最为人所熟知的产品是 Java 编程语言开发撰写时所用的集成开发环境:IntelliJ IDEA

    18 引用 • 54 回帖 • 1 关注
  • ZeroNet

    ZeroNet 是一个基于比特币加密技术和 BT 网络技术的去中心化的、开放开源的网络和交流系统。

    1 引用 • 21 回帖 • 653 关注
  • DNSPod

    DNSPod 建立于 2006 年 3 月份,是一款免费智能 DNS 产品。 DNSPod 可以为同时有电信、网通、教育网服务器的网站提供智能的解析,让电信用户访问电信的服务器,网通的用户访问网通的服务器,教育网的用户访问教育网的服务器,达到互联互通的效果。

    6 引用 • 26 回帖 • 537 关注
  • Outlook
    1 引用 • 5 回帖 • 4 关注
  • BND

    BND(Baidu Netdisk Downloader)是一款图形界面的百度网盘不限速下载器,支持 Windows、Linux 和 Mac,详细介绍请看这里

    107 引用 • 1281 回帖 • 34 关注
  • 开源中国

    开源中国是目前中国最大的开源技术社区。传播开源的理念,推广开源项目,为 IT 开发者提供了一个发现、使用、并交流开源技术的平台。目前开源中国社区已收录超过两万款开源软件。

    7 引用 • 86 回帖
  • 链滴

    链滴是一个记录生活的地方。

    记录生活,连接点滴

    180 引用 • 3878 回帖
  • OpenResty

    OpenResty 是一个基于 NGINX 与 Lua 的高性能 Web 平台,其内部集成了大量精良的 Lua 库、第三方模块以及大多数的依赖项。用于方便地搭建能够处理超高并发、扩展性极高的动态 Web 应用、Web 服务和动态网关。

    17 引用 • 52 关注