Analisis semantik laten (LSA) adalah teknik pemrosesan informasi yang digunakan di bidang pemrosesan bahasa alami (NLP) dan pengambilan informasi (IR). Ini adalah algoritma matematika yang mencoba menguraikan hubungan antara kata-kata yang digunakan dalam dokumen teks dengan mengandalkan model ruang vektor. LSA berupaya mengungkap hubungan 'laten' atau tersembunyi antara berbagai kata dalam dokumen berbeda, guna menghasilkan pemahaman hubungan semantik yang lebih akurat.
Ini pertama kali diusulkan oleh Profesor Peter Landauer dari Universitas California Berkeley dan rekannya John Daugman pada tahun 1987. Teknik dasarnya melibatkan analisis kemunculan istilah dalam dokumen menggunakan matriks nilai. Ini menggunakan aljabar matriks dan dekomposisi nilai singular untuk mengurangi dimensi matriks asli, menciptakan model ruang vektor dokumen. Peta vektor ini kemudian menjadi dasar untuk mengidentifikasi hubungan semantik.
LSA telah digunakan dalam aplikasi seperti fungsi pelengkapan otomatis di browser web, sistem Tanya Jawab, dan klasifikasi dokumen. Ini juga merupakan alat yang berguna untuk menemukan artikel dan dokumen yang berkaitan dengan topik tertentu. Salah satu penerapannya adalah dalam pengoptimalan mesin telusur: dengan memanfaatkan LSA, algoritme mesin telusur dapat mengidentifikasi dengan lebih baik relevansi hasil kueri terhadap kueri tertentu yang sedang dilakukan.
Di bidang akademik, LSA digunakan untuk mengidentifikasi pengetahuan disipliner dalam sistem pendidikan, mengidentifikasi tren tersembunyi dalam corpora teks, dan untuk mendeteksi plagiarisme. LSA juga digunakan dalam studi psikologi untuk membantu mengidentifikasi aspek penting kognisi manusia dan pemahaman bahasa.
Karena kemampuannya untuk mengungkap hubungan semantik laten, LSA telah menjadi alat yang semakin populer untuk pemrosesan bahasa alami dan tugas pengambilan informasi. Penerapannya berkisar dari optimasi mesin pencari hingga penelitian akademis, menjadikannya alat yang sangat berharga bagi berbagai macam pengguna.
