APLICACIONES DE LATENT SEMANTICS

Un problema con datasets grandes es la relevancia de los resultados de busqueda. La mayoria de los buscadores son mejores cuando procesan datasets pequenos, y van perdiendo su relevancia cuando los dataset aumentan. Afortunadamente, LSI trabaja en reverso. Cuanto mas sabe sobre algun texto, mas facilmente encontrara similares con propiedades similares. En un motor de busqueda basado en LSI, podria haber un almacenamiento de resultados usables, y despues refinar la busqueda con resultados de busquedas anteriores.

Por relaciones semanticas, Latent Semantic Indexing puede analizar coherencia tópica de los grados con un cuerpo de texto. Estos resultados correlacionan muy bien con legibilidad y la comprensión, y por lo tanto LSI sería un buen ajuste con métrica de la legibilidad en un sistema de regeneración para las instrucciones de escritura. En otro lado, control de Spam. Si, LSI es muy poderoso, y tambien es customizable para este proposito. Tambien podria ser mas eficiente que las herramientas tradicionales. Podria ser entrenado y ajustado en el mailbox de un usuario. Y tambien bulletin boards, newsgroups, forums, y tambien cualquier cosa que comparta una misma estructura.

Latent Semantic Indexing podria ser usada para data estructural, incluyendo todas las taxonomias generadas por humanos. LSI puede hacer una estructuración parcial fuera de datos no estructurados. Esto permitiría que los archivistas utilizaran su tiempo mucho más eficientemente haciendo realzar, etiquetado y después corregir las categorias generadas por LSI más bien que teniendo que hacer la indexación de documentos ellos mismos. Esto, combinado con las herramientas de visualización de los datos actualmente disponibles se podría utilizar con LSI para crear usos más sofisticados y más interactivos para el uso de los archivistas.