El análisis semántico latente (LSA) es una técnica de procesamiento de información utilizada en los campos del procesamiento del lenguaje natural (NLP) y la recuperación de información (IR). Es un algoritmo matemático que intenta descifrar las relaciones entre palabras utilizadas en documentos de texto basándose en modelos de espacio vectorial. LSA intenta descubrir las relaciones "latentes" u ocultas entre varias palabras en diferentes documentos, para producir una comprensión más precisa de las relaciones semánticas.
Fue propuesto por primera vez por el profesor Peter Landauer de la Universidad de California en Berkeley y su colega John Daugman en 1987. La técnica básica implica analizar la aparición de términos en documentos utilizando una matriz de valores. Emplea álgebra matricial y descomposición de valores singulares para reducir la dimensionalidad de la matriz original, creando un modelo de espacio vectorial del documento. Este mapa vectorial se convierte entonces en la base mediante la cual se pueden identificar relaciones semánticas.
LSA se ha utilizado en aplicaciones como funciones de autocompletar en navegadores web, sistemas de preguntas y respuestas y clasificación de documentos. También es una herramienta útil para encontrar artículos y documentos relacionados con determinados temas. Una aplicación particular es la optimización de motores de búsqueda: al utilizar LSA, los algoritmos de los motores de búsqueda pueden identificar mejor la relevancia de los resultados de la consulta para la consulta particular que se está realizando.
En el campo académico, LSA se utiliza para identificar conocimientos disciplinarios en sistemas educativos, identificar tendencias ocultas en corpus de textos y detectar plagio. LSA también se ha utilizado en estudios psicológicos para ayudar a identificar aspectos importantes de la cognición humana y la comprensión del lenguaje.
Debido a su capacidad para descubrir relaciones semánticas latentes, LSA se ha convertido en una herramienta cada vez más popular para tareas de recuperación de información y procesamiento del lenguaje natural. Sus aplicaciones van desde la optimización de motores de búsqueda hasta la investigación académica, lo que la convierte en una herramienta invaluable para una amplia variedad de usuarios.
