SEOMantica: come l’algoritmo semantico di Google usa LDA e HTMM
Sono tornato proprio ieri dal V Convegno GT, dove ho potuto vedere “FINALMENTE!” facce nuove (non che quelle vecchie mi stiano meno simpatiche, anzi è sempre un’ottima occasione per incontrare amici e colleghi piacevoli e interessanti).
Infatti quest’anno eravamo davvero tanti, circa 300 (il doppio rispetto lo scorso anno), merito di Giorgio Tave e del suo staff (complimenti!), ma denota anche un crescente interesse verso il mondo SEO e della sua comprensione (speriamo davvero sia l’accensione della miccia… :)).
A proposito di capire la SEO e studiarla, quest’anno ho proposto un argomento davvero ostico (in primis per me, infatti l’idea sulle paure e sulla teoria delle credenze introduttiva l’ho vissuta direttamente sulla mia pelle nel momento in cui mi sono ritrovato di fronte modelli matematici complessi e formule con variabili latenti, cioè non osservabili direttamente):
La SEOmantica: misteri, potenzialità e sviluppi per il seo del futuro con la LDA.
Tutto ciò che non avresti mai voluto sentirti dire sulla SEO, oggi è sempre più realtà..
Questo post vorrei che divenisse il punto di raccolta di tutte le domante e richieste che non avete avuto tempo di farmi direttamente (ero a ridosso della pausa pranzo e tutti avevano in mente di soddisfare le esigenze primarie!) oppure per chi non ha potuto partecipare al convegno.
Intanto qui trovate le slide dell’intervento:
legate appunto alla teoria sugli argomenti e modelli matematici:
- IR (Information Retrieval) = composta da 7 sottosezioni: Psicologia Cognitiva, Ontologia, Design, Linguistica, Semiotica, Informazione e Informatica
- TF/IDF (Term Frequency / Inverse Document Frequency)= Frequenza del termine / Frequenza del documento inversa
- LSA (Latent Semantic Analysis) = Analisi Semantica Latente
- LSI (Latent Semantic Indexing) = Indicizzazione Semantica
- PLSA (Probabilistic Latent Semantic Analysis) = Analisi Semantica Probabilistica Latente
- LDA (Latent Dirichlet Analysis) = Analisi Latente di Dirichlet
- HTMM (Hidden Topic Markov Models) = Modelli di Markov sugli argomenti nascosti
Suggerisco anche questo post riepilogativo scritto dall’ottimo Paolo Dello Vicario. E il video originale di Amit Gruber e il post ufficiale sul blog di Google dove si parla dell’analisi semantica dei testi.
Buona lettura e ritenetemi a vostra completa disposizione per aprire il dibattito in attesa dei risultati definitivi dei miei test (li pubblicherò sicuramente entro fine gennaio 2011)… 🙂
Grazie ancora per l’affetto dimostratomi,
a presto.
Michele