การวิเคราะห์เชิงความหมายหรือที่เรียกว่าความสัมพันธ์เชิงความหมายคือการใช้ออนโทโลยีในการวิเคราะห์เนื้อหาในแหล่งข้อมูลบนเว็บสาขาการวิจัยนี้เป็นการผสมผสานระหว่างการวิเคราะห์ข้อความและเทคโนโลยีเว็บเชิงความหมาย เช่น RDFการวิเคราะห์เชิงความหมายจะวัดความสัมพันธ์ของแนวคิดออนโทโลยีที่แตกต่างกัน

กลุ่มวิจัยทางวิชาการบางกลุ่มที่มีโครงการวิจัยในด้านนี้ ได้แก่ ศูนย์วิจัย Kno.e.sis แห่งมหาวิทยาลัย Wright Stateและอื่นๆ

ความก้าวหน้าครั้งสำคัญในการเริ่มต้นของการวิเคราะห์ความหมายเกิดขึ้นในปี 1996 แม้ว่าความก้าวหน้าทางประวัติศาสตร์ของอัลกอริทึมเหล่านี้ส่วนใหญ่จะเป็นเรื่องอัตวิสัยก็ตาม ในงานเขียนเชิงวิชาการที่สำคัญของเขา ฟิลิป เรสนิก ได้พิสูจน์ว่าคอมพิวเตอร์มีความสามารถในการเลียนแบบการตัดสินใจของมนุษย์ การปรับปรุงความแม่นยำของการคำนวณการวิเคราะห์ความหมายทั่วไปที่ตีพิมพ์ในวารสารหลายฉบับ ต่างอ้างว่าเป็นการปฏิวัติวงการ อย่างไรก็ตาม การขาดคำศัพท์มาตรฐานในช่วงปลายทศวรรษ 1990 เป็นสาเหตุของการสื่อสารที่ผิดพลาดมากมาย สิ่งนี้กระตุ้นให้บูดานิตสกีและเฮิร์สต์กำหนดมาตรฐานในเรื่องนี้ในปี 2006 ด้วยบทสรุปที่วางกรอบสำหรับการวิเคราะห์การสะกดและไวยากรณ์สมัยใหม่^{[ 1 ]}

ในช่วงแรกเริ่มของการวิเคราะห์เชิงความหมาย การได้รับฐานความรู้ที่น่าเชื่อถือและมีขนาดใหญ่เพียงพอนั้นเป็นเรื่องยาก ในปี 2549 Strube และ Ponzetto ได้แสดงให้เห็นว่า Wikipedia สามารถนำมาใช้ในการคำนวณการวิเคราะห์เชิงความหมายได้^{[ 2 ]}การใช้ฐานความรู้ขนาดใหญ่เช่น Wikipedia ช่วยเพิ่มทั้งความแม่นยำและการประยุกต์ใช้การวิเคราะห์เชิงความหมาย

เนื่องจากลักษณะที่เป็นอัตวิสัยของสาขานี้ วิธีการต่างๆ ที่ใช้ในการวิเคราะห์ความหมายจึงขึ้นอยู่กับขอบเขตการใช้งาน ไม่มีวิธีการใดวิธีหนึ่งที่ถือว่าถูกต้อง อย่างไรก็ตาม หนึ่งในวิธีการที่มีประสิทธิภาพและใช้งานได้ทั่วไปมากที่สุดคือการวิเคราะห์ความหมายแบบชัดเจน (ESA) ^{[ 3 ]} ESA ได้รับการพัฒนาโดย Evgeniy Gabrilovich และ Shaul Markovitch ในช่วงปลายทศวรรษ 2000 ^{[ 4 ]}โดยใช้ วิธี การเรียนรู้ของเครื่องเพื่อสร้างตัวตีความความหมาย ซึ่งดึงส่วนของข้อความจากบทความลงในรายการที่เรียงลำดับ ส่วนของข้อความจะถูกเรียงลำดับตามความสัมพันธ์กับข้อความโดยรอบ

การวิเคราะห์ความหมายแฝง (Latent Semantic Analysis: LSA) เป็นอีกวิธีหนึ่งที่นิยมใช้ ซึ่งไม่ใช้ออนโทโลยี แต่พิจารณาเฉพาะข้อความในพื้นที่อินพุตเท่านั้น

• การเชื่อมโยงเอนทิตี
• การสร้างออนโทโลยี / การสร้างฐานความรู้
• งานค้นหาและสอบถามข้อมูล
• การประมวลผลภาษาธรรมชาติ
  • ระบบสนทนาด้วยเสียง (เช่นAmazon Alexa , Google Assistant , Cortanaของ Microsoft )
• ปัญญาประดิษฐ์
• การจัดการความรู้

การประยุกต์ใช้วิธีการวิเคราะห์ความหมายโดยทั่วไปจะช่วยปรับปรุงกระบวนการจัดการองค์กรของระบบการจัดการความรู้ใดๆ ให้มีประสิทธิภาพยิ่งขึ้น ห้องสมุดทางวิชาการมักใช้แอปพลิเคชันเฉพาะด้านเพื่อสร้างระบบการจัดการที่มีประสิทธิภาพมากขึ้น การจัดหมวดหมู่สิ่งพิมพ์ทางวิทยาศาสตร์โดยใช้ความหมายและวิกิพีเดีย ช่วยให้นักวิจัยสามารถช่วยให้ผู้คนค้นหาแหล่งข้อมูลได้เร็วขึ้น เครื่องมือค้นหาอย่างSemantic Scholarให้การเข้าถึงบทความนับล้านอย่างเป็นระบบ

• การสกัดความสัมพันธ์
• คะแนนแบรนด์เชิงความหมาย
• ความคล้ายคลึงทางความหมาย
• การขุดค้นข้อมูลจากข้อความ

• นักวิชาการด้านความหมาย