語義搜索

舉例來説吧，當一個用户在搜索框中輸入“孟字去掉子”時，深諳語義搜索的搜索引擎就能夠判斷出，用户想要找的並不是含有“孟”、“去掉子”等字眼的內容，而是想要查找與“皿”這個字相關的內容；同樣，當用户搜索“表現春天的圖片”時，搜索引擎會向其呈現出各種與春天相關的圖片，而不僅僅侷限於該圖片的標題是否包含“春天”字樣。

知識庫是語義搜索引擎進行推理和知識積累的基礎和關鍵，而Ontology則是知識庫的基礎。一般來説，本體提供一組術語和概念來描述某個領域，知識庫則使用這些術語來表達該領域的事實。例如醫藥本體可能包含“白血病”、“皮膚病”等術語的定義，但它不會包含具體某一病人的診斷結果，而這正是知識庫所要表達的內容。比如張三患有皮膚病、李四患有皮膚病和白血病、王五患有白血病，其中的皮膚病、白血病就是本體。而各個病症的實例（張三、李四、王五）及其病症描述就是知識庫的內容。

本體和知識庫的關係有幾個要點：

★　Ontology為知識庫的建立提供一個基本的結構；

★　Ontology提供一套概念和術語來描述某一領域，並且獲取該領域的本質的概念結構；

★　知識庫就運用這些術語去表達現實或者虛擬世界中的正確知識。

因此，建設一個知識庫的第一步就是對該領域進行有效的Ontology分析。通過本體支持語義，支持人機之間的交流，從而實現機器智能，為web的發展帶來了新的契機。而本體在搜索引擎中的應用，必將對搜索引擎的易用性和效率，產生極大的改進，從而使得web用户能夠更好的在浩如煙海的信息海洋中遨遊。

語義搜索的實質是自然語言處理技術，這正是百度自推出框計算概念以來一直重點投入的研發領域——早在去年，百度就曾與在該領域非常權威的哈爾濱工業大學建立聯合實驗室，着手自然語言相關技術的研發。

當兩個詞或一組詞大量出現在同一個文檔中時，這些詞之間就可以被認為是語義相關。

舉個例子，電腦和計算機這兩個詞在人們寫文章時經常混用，這兩個詞在大量的網頁中同時出現，搜索引擎就會認為這兩個詞是極為語義相關的。

要注意的是，潛在語義索引並不依賴於語言，所以SEO和搜索引擎優化雖然一個是英語，一個是中文，但這兩個詞大量出現在相同的網頁中，雖然搜索引擎還不能知道搜索引擎優化或SEO指的是什麼，但是卻可以從語義上把”SEO”，”搜索引擎優化”，”search engine optimization”，”SEM”等詞緊緊的連在一起。

再比如蘋果和橘子這兩個詞，也是大量出現在相同文檔中，不過緊密度低於同義詞。

搜索引擎有沒有使用潛在語義索引，至今沒有定論，因為搜索引擎既不承認也不否認。

這種語義分析技術可以給我們在搜索引擎優化上一些提示。

通常邏輯和結構適當的網站都會分成不同的頻道或欄目。在不同的頻道中談論有些區別但緊密相關的話題，這些話題共同形成網站的主題。搜索引擎在把整個網站的頁面收錄進去後，能夠根據這些主題詞之間的語義相關度判斷出網站的主題。

從兩年前開始，搜索引擎排名有一個現象，搜索某個關鍵詞，排在靠前面的網頁有時甚至並不含有所搜索的關鍵詞，這很有可能是潛在語義索引在起作用。

比如搜索電腦，排在前面的網頁有可能出現一篇只提到計算機卻沒提到電腦。因為搜索引擎通過語義分析知道這兩個詞是緊密相關的。

還有一個要注意的是，在進行網頁寫作的時候，不要侷限於目標關鍵詞，應該包含與主關鍵詞語義相關相近的詞彙，以支持主關鍵詞。

這在搜索結果中也有體現，有的文章雖然大量出現主關鍵詞，但缺少其他支撐詞彙，排名往往不好。