Denna metod används när de indexerar en sida i sökmotorns database.Delving djupare, är oroad LSI inte bara med att studera ett dokument för sökord och listning i databasen, men också med att studera en samling dokument och erkänna och identifiera orden som är gemensamma mellan dessa dokument. På så sätt kan dra slutsatser om den semantiska förhållandet mellan orden som används i dessa dokument. Processen finner sedan ut vilka andra dokument innehåller eller använder dessa semantiskt nära ord.
De resulterande dokumenten är indexe vara relaterad eller nära relevant för ett sammanhang, i enlighet med latent semantisk indexing.LSI gäller de handlingar med viss andel av ord som används ofta för att vara semantiskt nära. Om det finns färre ord vanliga bland dokument, de ska vara semantiskt avlägsen. Därför LSI införs ömsesidigt beroende av åtgärd och det pris relevansen av ett dokument på en skala från 0 till 1. Till skillnad från vanliga sökordssökningar, kan LSI erkänna mått på hur nära är ett dokument till en annan eller hur relevant är en referens till en viss context.
Let betrakta ett exempel här. I ett dokument som diskuterar Stephen Covey och hans predikningar, ord som "effektiva", "vanor", "ömsesidigt beroende", "oberoende", "synergistiska", "paradigm", "kontinuum", "offentlig seger", "privata seger ',' cirkel av inflytande "och så vidare skulle hittas ofta. När sökmotorn indexering verktyg som använder LSI-tekniken känner igen dessa vanligt förekommande ord från en given uppsättning dokument, kan det finna andra dokument eller webbsidor på nätet som innehåller samma uppsättning sökord i nästan samma frekvens och index dem i databasen bredvid relevant sammanhang (Stephen Covey och hans predikningar) att det leder to.
Now jämföra denna enkla metod med en mänsklig hjärna strategi för att söka ett sammanhang. Om du får en uppsättning dokument och bad att lokalisera sina som diskuterar ett visst sa