深圳网络营销专家有关的研究中的IR模型（搜索引擎）使用模糊集合理论（Lotfi Zadeh博士于1969年创建的模糊逻辑分支）来发现两个词之间的语义关系。IR系统并非使用同义词典或字典来找出两个词之间是否有关系，而是使用自己的海量内容数据库来推测出词之间的关系。 
    这个过程虽然听起来复杂，但原理很简单。网络营销专家指出搜索引擎需要依靠机器逻辑（对／错、是／非等）判断，机器逻辑相对人类有它的优势，但机器逻辑不能像人类一样思考。对人类来说很直观的事情，对计算机来说可能非常难以理解。例如橘子和香蕉都是水果，但橘子和香蕉并不都是圆的。对人来说这是很直观的事情。 
    机器要理解这一点以及其他与此类似的概念，语义联系是关键。网上大量的人类知识可以被收录进索引库，并且从中分析出人类已经建立起来的联系。所以机器扫描索引库中“香蕉”和“橘子”这两个词出现的地方，注意到“圆形”和“香蕉”很少同时出现，而“橘子”和“园形”经常同时出现，机器就知道橘子是圆的，而香蕉不是圆的。 
    这就是模糊逻辑发挥作用的地方。只要分析词语以何种频率一起出现，在什么情况下一起出现，模糊集合理论就可以帮助计算机理解词语之间是怎样相关的。 
    一个在此基础上有所扩展的相关概念是潜在语义分析(LSA，Latent Semantic Analysis)。通过研究亿万网页的海量索引，搜索引擎可以“学习”哪些词之间有联系，哪些概念之间有联系。例如，运用LSA，搜索引擎能够分辨前往动物园的旅途活动，经常包括观看野生生物和动物，可能是一次（旅行）的一部分。 
    Google将相关词显示为黑体，并且能够辨认出哪些词在它们的索引库中经常同时出现（连在一起，在同一页或比较靠近的位置）。 
    在SEO培训优化中某些形式的LSA计算成本太高。这些应用使我们认识到搜索引擎怎样分辨网上词汇、词组以及概念之间的联系。随着语义联系成为搜索引擎算法越来越重要的部分，可以预期，页面、网站和链接的主题将会越来越受重视。未来搜索引擎将更有能力理解概念和主题，分辨哪些内容、链接、页面与整个网站的主题不太吻合。