Процент схожести статей

Конечно, наилучшим вариантом является размещение уникальных статей. Но для рекламной кампании это слишком затратный вариант как с точки зрения времени, так и с точки зрения финансов.

Лично я размножаю статьи по следующему принципу: пишу статью, переписываю ее (глубокий рерайт) несколько раз и размножаю полученные тексты путем замены слов синонимами. При этом весь текст делю на группы до 5 слов (стоп-слова не учитываются). Т.е. беру 1 группу из 5 слов, заменяю слова в ней 2-3 синонимами, перебираю полученные слова. Таким образом, на выходе из одной статьи получается в среднем 30-50 уникальных для Яндекса статей, которые в данный момент склейке не подвергаются.

Нет такого процента. Всё гораздо сложнее.

А можно немного "развернуть" ответ? Хотя бы направление для раздумий.

Воспользуйтесь программами для проверки на схожесть текста в сети интернет. Я пользуюсь DCFinder

Я имею ввиду статьи для обмена, т.е. получаю я из одной скажем 1000 и сравниваю их(прога - Shingles).

Так вот, насколько уникальными они должны быть(эта программа показывает в процентах), чтобы ПС их не склеили?

UDSeo, почитайте про методы определения дубликатов.

можно ссылочку на прогу?

/ru/forum/comment/2702101

В статье главного разработчика Яндекса Ильи Сегаловича описывается метод, при помощи которого Яндекс обнаруживает копии.

- - - -

Очевидно, что с полными повторами проблем особых нет, достаточно сохранять в индексе контрольную сумму текста и игнорировать все остальные тексты с такой же контрольной суммой. Однако этот метод не работает для выявления хотя бы чуть-чуть измененных документов.

...

Для каждого десятисловия текста рассчитывается контрольная сумма (шингл). Десятисловия идут внахлест, с перекрытием, так, чтобы ни одно не пропало. А затем из всего множества контрольных сумм (очевидно, что их столько же, сколько слов в документе минус 9) отбираются только те, которые делятся на, скажем, 25. Поскольку значения контрольных сумм распределены равномерно, критерий выборки никак не привязан к особенностям текста. Ясно, что повтор даже одного десятисловия – весомый признак дублирования, если же их много, скажем, больше половины, то с определенной (несложно оценить вероятность) уверенностью можно утверждать: копия найдена! Ведь один совпавший шингл в выборке соответствует примерно 25 совпавшим десятисловиям в полном тексте!

Программа Shingles - подойдет для проверки уникальности статей? Если да, то какой процент она должна показывать?