Numerosas medidas de centralidad han sido introducidas como herramientas para determinar la importancia de los nodos en redes complejas, reflejando diversas propiedades de la red, incluyendo la conectividad, la supervivencia y la robustez. En este documento, presentamos la Integración Semi-Local (), una medida de centralidad de nodos para grafos no dirigidos y ponderados que tiene en cuenta la coherencia de la subred localmente conectada y evalúa la integración de nodos dentro de su vecindario. Ilustramos la diferenciación de la importancia de nodos en redes léxicas y demostramos su potencial en el procesamiento del lenguaje natural (PLN). En la tarea de identificación de sentidos y análisis de estructuras de sentido en PLN, la medida de centralidad evalúa la integración de nodos y proporciona la resolución local necesaria al diferenciar la importancia de los nodos en mayor medida que las medidas de centralidad estándar. Esto proporciona información topológica relevante sobre diferentes subredes basada en información relativamente local, revelando la estructura de sentido más compleja. Además, mostramos cómo la medida puede mejorar los resultados del análisis de sentimientos. La medida tiene el potencial de ser utilizada en varios tipos de redes complejas en diferentes áreas de investigación.