后羿采集

后羿采集，是多數網站管理員必備的網站更新工具，傳統的采集器在對網頁信息進行提取時，主要基于正則表達式對網頁內容進行匹配，運行速度快，實現難度低，但不同的網站具有不同的頁面結構，需要編寫不同的采集規則，工作量大，難于維護。而且需要用戶自己尋找采集源，還需要用戶自己掛機運行采集器，甚至還涉及可能被封IP，需要使用代理IP等一系列問題。后羿采集支持的建站程序/內容管理系統織夢CMS（DEDECMS）、帝國網站管理系統、DISCUZ、Z-BLOG、WordPress、EMLOG、MIPCMS、凡科網、易優企業建站系統（EYOUCMS）、米拓建站（MetInfo）、PHPCMS、DESTOON（B2B網站系統）

后羿采集提供一個1億+量級的龐大關鍵詞庫，可根據用戶輸入的任意文本進行關鍵詞搜索，經過簡單勾選就能用于采集，大幅縮減了用戶搜集關鍵詞的時間和精力。用戶也可以創建自己的私有詞庫，可分庫分組，數百萬關鍵詞輕松管理，也滿足更個性化的關鍵詞需求。

后羿采集按關鍵詞采集文章，基于搜索引擎，全網采集精美好文，用戶不必為尋找采集源而花費精力。自動識別網頁編碼、標題、正文等信息，不用為每個網站設置不同的采集規則，更不用到處找人寫采集規則，不必懂得html源碼，完全零維護。

后羿采集可設定需求的正文長度，比如500字，750字，1000字，長度不達標的內容自動舍棄。系統內置多種自然語言處理算法，后羿采集自動計算文章正文和關鍵詞的相關度（特征向量間的余弦距離），把相關度低的文章自動過濾掉，只把相關度高的文章留給用戶。后羿采集自動計算文章正文的通順度（語言困惑度），把通順度低的文章舍棄，通順度高的文章留給用戶。

后羿采集自動計算標題（Title）和描述（Description）與關鍵詞的相關度，如果相關度低，可在標題和描述中自動插入關鍵詞，以提升相關度。還可以為標題設定前綴關鍵詞，每次在設定的多個前綴中隨機選取一個添加在文章標題頭部。后羿采集基于機器學習算法實現的文本鑒定，可對采集的內容進行內容審核，保障用戶內容安全。

后羿采集實現基于同義詞替換的偽原創功能，從2000萬對近義詞庫中選擇最符合語言表達習慣的詞，替換原文中的詞，最大限度保證文章可讀性。實現基于機器學習的智能AI偽原創，后羿采集先把原文編碼為高維語義向量，再通過解碼器逐字解碼，實現對整篇文章的完全重寫，偽原創程度高，可讀性好。

后羿采集自動提取Tags標簽，并在此基礎上實現自動內鏈，當正文中出現標簽對應的文本時，后羿采集為該文本加上一個站內文章的鏈接，指向一篇具有同樣主題的文章，實現自動化的科學有效的內鏈建設。也可以設置固定的鏈接，當正文中出現某些固定文本時，為它加上固定的鏈接，指向站內或站外的文章均可。后羿采集根據文章內容自動配圖，讓你即使是采集的文章也能圖文并茂。

后羿采集可設置圖片本地化或者使用遠程圖片，以及屏蔽所有圖片。可設置屏蔽某些網站不采集，或包含某些特定詞的內容不采集。后羿采集自動過濾聯系方式、網址以及文章前后的廣告性內容等冗余信息，并進行全部標簽清理，正文部分只保留《p》段落標簽和圖片《img》標簽，無任何亂碼，也不包含任何排版格式，方便用戶通過css樣式自定義外觀。

后羿采集嚴格的防重復機制，整個平臺每個網址只采集一次，不重復采集。同一網站下，相同標題的文章只采集一次，不重復采集。可指定每個關鍵詞允許采集的文章數量，實現大量長尾關鍵詞不重復布局。云端自動運行采集任務，可定時定量采集，不用在自己電腦上安裝任何軟件，不用掛機采集，甚至不需要打開瀏覽器。后羿采集后自動發布到用戶網站后臺，用戶只需要把接口文件下載并上傳到網站根目錄就能完成對接。采集后自動執行主動推送，讓蜘蛛快速發現你的文章。