一、潜在语义分析LSA
LSA是一种无监督学习方法，主要用于文本的话题分析。其特点是通过矩阵分解发现文本与单词之间的基于话题的语义关系。
传统的量化文本的方法是用单词向量表示文本的语义内容，在单词向量空间中通过向量的内积或标准化内积（即余弦）衡量文本之间的语义相似度。
而潜在语义分析的目的就是解决这种方法不能准确表示语义的问题，试图从大量文本数据中发现潜在的话题，以话题向量表示文本的语义，在话题向量空间中通过向量的内积或标准化内积（即余弦）衡量文本之间的语义相似度。
在单词向量空间中使用单词-文本矩阵X表示文本集合（即数据集）：
权值常用TF-IDF（单词频率-逆文本频率）表示：
