Encuentra las páginas que pelean en silencio por un mismo significado

Cómo leemos el significado: embeddings y triples

Los motores de búsqueda y de IA dejaron de leer palabras hace tiempo — leen significado. Nosotros hacemos lo mismo: cada página se convierte en un embedding, un vector de cientos de números donde la cercanía de vectores significa cercanía de significado. «Cómo comprar vuelos baratos» y «trucos para ahorrar en el pasaje aéreo» usan palabras distintas, pero se ubican una junto a otra en el espacio del significado — y por eso compiten por la misma intención.

Sobre eso, descomponemos el contenido en triples semánticos — enlaces «entidad → relación → entidad». Una página de vuelos, por ejemplo, produce triples como «Aviasales → encuentra → vuelos Moscú–Estambul», «pasaje aéreo → es más barato → los martes», «aerolínea de bajo costo → vuela desde → Vnúkovo». Los triples revelan exactamente sobre qué entidades, rutas y hechos trata una página, así que detectamos el momento en que dos artículos describen la misma ruta con distinta redacción — «boletos a Estambul» frente a «vuelo Moscú–Turquía» — y se ahogan el posicionamiento en silencio.

El resultado no son conjeturas por palabras clave sino un mapa de significado de todo el sitio: dónde están los duplicados a nivel de significado, dónde el cuerpo de una página roba la ruta de otra, dónde un artículo se ha alejado del núcleo del sitio — con un veredicto claro de fusionar / diferenciar / reenfocar por par.