[G1-Sync] Manual knowledge update

10_Wiki/Topics/Latent-Semantic-Analysis-LSA.md

@@ -2,17 +2,17 @@
 id: NLP-LSA-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [nlp, lsa, svd, latent-semantics, dimensional-reduction, search-optimization]
+tags: [nlp, lsa, svd, latent-semantics, dimensional-reduction, [[Search]]-[[Optimization]]]
 last_reinforced: 2026-04-26
 ---
 
-# Latent Semantic Analysis (LSA, 잠재 의미 분석)
+# Latent Semantic [[Analysis]] (LSA, 잠재 의미 분석)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "서로 다른 단어라도 같은 의미를 품고 있다면, 고차원 수학의 눈(SVD)으로 그들을 한곳으로 모아라" — 단어-문서 행렬을 특이값 분해(SVD)하여 데이터의 차원을 축소하고, 이를 통해 단어들 사이에 숨겨진 잠재적인 의미 구조를 파악하는 기법.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **추출된 패턴:** "Semantic Noise Reduction" — 철자가 다르지만 의미가 비슷한 유의어 문제를 해결하기 위해, 중복되거나 중요도가 낮은 정보를 제거하고 핵심적인 '의미적 특징'만을 남기는 차원 축소 패턴.
+- **추출된 패턴:** "Semantic [[Noise]] Reduction" — 철자가 다르지만 의미가 비슷한 유의어 문제를 해결하기 위해, 중복되거나 중요도가 낮은 정보를 제거하고 핵심적인 '의미적 특징'만을 남기는 차원 축소 패턴.
 - **작동 원리:**
     - **Step 1:** 단어-문서 행렬(DTM) 생성.
     - **Step 2:** TF-IDF 등을 통해 단어의 가중치 조절.