潛在語義分析（Latent Semantic Analysis）或者潛在語義索引（Latent Semantic Index），是1988年S.T. Dumais等人提出的一種新的信息檢索代數模型，是用於知識獲取和展示的計算理論和方法，它使用統計計算的方法對大量的文本集進行分析，從而提取出詞與詞之間潛在的語義結構，並用這種潛在的語義結構來表示詞和文本，達到消除詞之間的相關性和簡化文本向量實現降維的目的。
潛在語義分析的基本觀點是：把高維的向量空間模型（VSM）表示中的文檔映射到低維的潛在語義空間中。這個映射是通過對項/文檔矩陣的奇異值分解（SVD）來實現的。
LSA 的套用：信息濾波、文檔索引、視頻檢索、文本分類與聚類、圖像檢索、信息抽取等。
基本介紹
- 中文名：潛在語義分析
- 外文名：Latent Semantic Analysis
- 別名：潛在語義索引
- 提出者：S.T. Dumais等人
關鍵字相關性-潛在語義索引,潛在語義索引中的提示,
關鍵字相關性-潛在語義索引
百度蜘蛛算法一直在模仿用戶的習慣，這也是為什麼網站建設時要更注重用戶體驗才能更好的最佳化網站。而蜘蛛算法雖然一直在模仿，可算法與人同樣存在著很不一樣的地方，因為人可以直接理解某個關鍵字的意義、文章的意思。如人看到“果汁”這兩個字就知道指的是有果味的好喝的液體飲料，而蜘蛛算法卻不能從感性的去理解果汁是什麼。
但是蜘蛛算法確實可以掌握詞與詞之間的關係，因而我們便可從關鍵字相關性看潛在語義索引。不知道有沒朋友了解過潛在語義索引。潛在語義索引也曾有不少人去研究過，而這研究的就是蜘蛛怎么通過海量詞庫中找出辭彙間的關係，也就是說當兩個詞或一組詞大量出現在相同文檔之中，這些詞間就會被認為是語義相關。
如部落格與blog兩個詞在我們撰寫文章可能會被經常混合使用，那么這兩個詞就在大量文檔和網頁上同時出現，那么對於蜘蛛而言，它就會認為這兩個詞是即為語義相關，當然，實際上也確實是同義詞，只不過語言不一罷了。 而這潛在語義索引，並不依賴或者說限制在語言之上，也正如此，蜘蛛把部落格與blog這兩個詞緊緊地聯繫在一起，於是乎，惠州SEO部落格並未對“seo blog”任何最佳化，且密度為零的情況下，卻神奇的出現了排名。不過對於這個潛在語義索引其實並未得到搜尋引擎的承認，當然為進行否認，因此這也僅能說是惠州SEO葉劍輝的個人猜測。
潛在語義索引中的提示
在我們撰寫文章之時，其實並不需要死盯著目標關鍵字，不妨多包涵與目標關鍵字語義相關、相近的辭彙，以支持目標關鍵字，如此或許會起到意想不到的效果喔，同樣的也能讓最佳化更趨向自然，而避免過度最佳化某個關鍵字而導致被降權K站。
就如“SEO”這詞，若是想要加強相關性，其實並非僅僅更多的重複“SEO”就可以了，還需要通過出現“搜尋引擎最佳化”等語義相關的辭彙。由於語義分析的緣故，讓蜘蛛認為如此更為相關，因此在我們撰寫文章時，就需要更多的將與目標關鍵字語義相關的辭彙邏輯的、通順的進行融入。
