Capisco il tuo punto di vista, che tra l’altro avresti potuto cercare di esprimere con un po’ meno boria. Ribadisco che il processo da te descritto NON è quello di un vero motore semantico, ma di chi cerca di fare semantica usando un po’ di statistica sulle parole presenti nel testo.
Non è questa la sede per dire qual è l’approccio migliore, anche perchè penso che dipenda sempre dal tipo di applicazione desiderato. Il mio post chiedeva solo maggiore precisione nella descrizione di un’indicizzazione semantica perchè, ribadisco, quella da te fatta era quantomeno superficiale.
Se ti avanzano due spaghi favorirei anch’io, visto che è ora di pranzo…

Semanticamente ti dico che il tuo esempio della torre e del cavallo (peraltro utilizzato in maniera standard da chi si occupa di semantica, oltre che da te) non viene risolto non eliminando le preposizioni bensì contestualizzando (semanticamente) la frase; posto che la sematic search non si occupa di “frasi”, anche se carine e note come quelle che citi, ma del significato (in senso ampio) di pagine (e siti) web; quindi diciamo che il tuo esempio potrebbe andare bene per una pagina web che comprendesse solo la frase: “ho fatto mangiare il cavallo nella torre” (che ovviamente, a meno che non te ne voglia occupare tu, non ha senso per gli esseri umani e non è quindi nemmeno una questione di sematic search); per sovrammercato aggiungo che la semantic search si occupa o si deve occupare di unire una intenzione da parte del searcher con l’ambito e il significato di una pagina/gruppo-dipagine/sito web e nessuno è interessato a sapere dove hai fatto mangiare il tuo cavallo; ma capisco bene che il tuo è un esempio “significativo” oltre che semantico e quindi ti aggiorno sul fatto che le preposizioni non sono utilizzate non perchè non si possa utilizzarle, ma perchè non solo non serve, ma non conviene. Le preposizioni servono – anche nella nostra vita quotidiana – solo per brevi frasi. il significato della pagina di un libro si può capire benissimo senza preposizioni, come anche senza punteggiatura come anche senza staccare le parole una dall’altra, così come intere frasi si possono capire anche modificando la posizione delle lettere in ciascuna parola. Per disambuiguare le (non) tue frasi di cui sopra è quindi sufficiente per il buon motore semantico, in fase di analisi della pagina (e quindi poi per l’output al searcher) verificare che “cavallo” e “torre” siano in un contesto scacchistico ovvero bucolico (che mi sembra appartenerti più del primo); una volta capito questo (non statisticamente ma “grazie” alla statistica) la pagina che conterrà quella frase sarà (in virtù di quella frase e in virtù del suo legame con altre frasi presenti sulla medesima pagina) considerata “pagina di scacchi” e quindi proposta, con un ranking variabile, al searcher che cerchi e desideri avere informazioni sulle posizioni del cavallo, della torre etc… nelle varie aperture, chiusure e così via. Ovviamente, grazie alla statistica e alla LSI sarà possibile anche capire che la frase sgrammaticata che hai scritto: “ho fatto mangiato il cavallo dalla torre” sia riconoscibile come significativa nonostante il refuso. diciamo che la statistica serve, anche se non basta; ma mi sembra prestino per parlare con te di queste cose. Torna a dar da mangiare al cavallo mentre io mi faccio due spaghi con la mia regina.
ciao mr pink

sarebbe molto interessante poter esaminare questo tipo di dati