Tätä menetelmää käytetään, kun indeksointi sivun hakukoneen database.Delving syvempi, LSI on huolissaan paitsi opiskelu asiakirjan avainsanoja ja listalle se tietokantaan, mutta myös opiskelu kokoelma asiakirjoja ja tunnustaa ja tunnistaa sanat jotka ovat yhteisiä asiakirjojen välistä. Näin se voi päätellä, semanttinen suhde sanojen käytetään näissä asiakirjoissa. Sitten prosessi havaitsee, mitkä muut asiakirjat sisältävät tai käyttää näitä semanttisesti lähellä sanaa. Tuloksena asiakirjat on sidottu liittyvän tai siihen läheisesti liittyvät yhteydessä mukaan piilevä semanttinen indexing.
LSI asiakirjojen osalta tiettyjen osuus sanoja käytetään usein olla semanttisesti lähellä. Jos on vähemmän sanoja yleisiä asiakirjoja, ne pitäisi olla semanttisesti kaukana. Siksi LSI esittelee keskinäinen riippuvuus toimenpiteen ja sen hinnat merkitystä kaikki asiakirjat asteikolla 0 1. Toisin kuin säännölliset avainsanahaut, LSI voi tunnustaa mitata, kuinka lähellä on asiakirja toiselle tai miten asiaa on credential tietylle context.Let Tarkastellaan esimerkkinä tästä.
Asiakirjassa, joka käsittelee Stephen Covey ja hänen saarnan, sanoja kuten "tehokas", "tottumukset", "keskinäinen riippuvuus", "itsenäisyys", "synerginen", "paradigma", "jatkumo", "julkinen voitto", "yksityinen voitto ',' ympyrän vaikutusvaltaa "ja niin edelleen olisi löytynyt usein. Kun hakukoneen indeksointi työkalu, joka käyttää LSI tekniikka tunnistaa nämä yleisesti käytettyjä sanoja tietyn joukon asiakirjoja, se voi löytää muita asiakirjoja tai Web-sivuja verkossa, joka sisältää samoja avainsanoja lähes yhtä usein ja indeksi niitä tietokanta vieressä sen asiayhteys (Stephen Covey ja hänen saarnaamista) että se johtaa to.
Now verrata tätä yksinkertaista menetelmää ihmisen aivojen lähestymistapa etsimään yhteydessä. Jos sinulle annetaan joukko asiakirjan ja pyysi paikantaa omaa että keskustella nimenomaisessa yhteydessä, mitä teet? Jokainen yrit