引述 :『上篇文章談到Latent Semantic Analysis, 指出目前Latent Semantic尚未有大規模的影響, 但是影響已經逐步會顯示出來, 我們利用實際例子來看看到底可能有什麼影響?』

引述 :『什麼是Latent Semantic Analysis (LSA)? 什麼是Semantic? 經過LSA的Latent Semantic Indexing (LSI)與目前的Keyword Indexing有何不同? LSA與LSI的趨勢對於搜尋引擎優化有何影響?』

引述 :『在計畫併購Yahoo未果後，外界盛傳微軟積極另尋其他併購標的，強化微軟在網路市場的表現，而微軟果然在周二（7/1）宣布買下位於舊金山的語意搜尋新創公司Powerset。 Powerset將加入微軟的Search Relevance團隊，但Powerset的63名員工仍將維持於原來的舊金山總部作業。Powerset也將替微軟帶來自然語言技術及相關的專業人才。 』

引述 :『本研究以中興大學圖書館的館藏書目、讀者的借閱記錄及中國圖書分類法為基礎，以推薦系統中的內容導向過濾(Content-Based Filtering)的方法，搭配本體論(ontology)的推論，找出讀者真正有興趣的主題書目。當找出讀者興趣之後，將推薦主題清單依讀者興趣值高低做個人化的排序，於圖書館網站上推薦給讀者。再者，以建立各主題書目之語意索引的方式，協助使用者更快速的搜尋感興趣的相關主題。』

引述 :『您可能已經覺得搜尋等於 Google，您也可能覺得搜尋市場早就已經成熟到不能再更熟了，實在是不知道對於一些想要在網路創業的人，搜尋還有什麼機會可言。但是事實是，專家都認為，現在存在於網路上的搜尋功能，其實只把搜尋的所有潛在能力開發了 5% 而已。是的，只有百分之五，簡直就是冰山一角，下面還有整座冰山等著我們去發掘。這座冰山的本體就是今天 Mr. Saturday 要來介紹的語意搜尋 (Semantic Search，也有人作語義搜尋)。 現在網路上的資訊和網頁都是設計給人看的，人們在網路上可以暢行無阻。比如說我今天可以上網想辦法四處收集「便宜的 iPhone」的資訊，也許我以 Google 為起點開始搜尋，或是我先上 eBay 找看看有沒有人開始在拍賣 iPhone 了，然後自己把相關的資訊彙整起來。又比如說我今天想要找「我家附近便宜又好吃的餐廳」，那我的第一步也許就是上去一些美食網看一看大家對於一些餐廳的評價，彙整起來之後再決定要去哪一家餐廳用餐。對於人來說，這些都是再簡單也不過的事情，但是對於電腦來說，這些動作卻極其困難，在沒有人類的輔助之下，我們的電腦現在還沒有聰明到可以幫我們自動完成以上的事情。』