第17章 潜在语义分析
覆盖单词向量空间、话题向量空间、矩阵分解算法与非负矩阵分解；用推导路径、单故障数值轨迹和结论验收门完成独立复核。
学习目标
- 能说明“第17章 潜在语义分析”如何覆盖单词向量空间、话题向量空间、矩阵分解算法与非负矩阵分解，并区分原版范围、独立核验和后续扩展
- 能先预测“怎样从词项—文档矩阵构造潜在语义空间，并核对检索相似与重构误差？”的定义与数值路径，再用已知量、变换、残差和反例逐步复核
- 能注入“在测试查询与相关性答案上选择分解阶数或词权重”，用“分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定”决定接受、降级或拒绝方法结论
为什么从这个方法推演开始
LSA页把“语义”落到矩阵与邻域变化，低秩表示不自动理解文本。 “第17章 潜在语义分析”的贯穿任务是：构造小型词项—文档矩阵，用截断SVD与NMF比较潜在语义。 动手前先写下哪个定义、矩阵、分布、目标或迭代状态会变化；运行后补理由不算预测。
本页围绕“怎样从词项—文档矩阵构造潜在语义空间，并核对检索相似与重构误差？”建立参考、故障与恢复路径。只有“第17章 潜在语义分析”守住“分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定”并交付语料版本、词表、权重、矩阵、分解阶数、文档/词向量、相似度、重构误差和查询结果。，公式、图形或指标才构成统计学习证据。
书目、285个原版层级与版本边界
“第17章 潜在语义分析”以清华大学出版社官方书页核对李航著《统计学习方法（第2版）》于2019年出版、ISBN 9787302517276和监督/无监督两篇结构，同时以出版社英文版权页确认484页及两篇主要内容，再以出版社公开完整目录逐项核对两篇、22章、256个编号节/小节和附录A-E，因此本站覆盖分母共285个正式目录层级。
“第17章 潜在语义分析”未取得原书完整正文授权，只以出版社完整目录限定范围；中文解释、推导、数值实验、交互、练习与答案均为独立教学重写。“第17章 潜在语义分析”按2019年第2版范围解释；当前库函数和后续研究只作独立核验，不反写原版。
本页另以技术核对 1、技术核对 2、技术核对 3核对算法原始定义、实现语义或数值工具。外部资料能验证技术事实，不能反向证明原书正文采用了本站表述。
原版目录层级与方法机制
第17章 潜在语义分析
↡潜在语义分析对应原版目录坐标“第17章 潜在语义分析”，在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 1/12。 在“第17章 潜在语义分析”的坐标1中，目录项「第17章 潜在语义分析」用于将词项文档矩阵映射到低秩潜在语义空间；先冻结符号与形状，再以词表、权重、矩阵、分解阶数、语义向量、相似与重构复核，出现测试查询选择表示时撤回结论。
17.1 单词向量空间与话题向量空间
↡单词向量空间对应原版目录坐标“17·1 单词向量空间与话题向量空间”，在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 2/12。 目录项「17·1 单词向量空间与话题向量空间」进入“第17章 潜在语义分析”后要回答第2个方法问题：它怎样将词项文档矩阵映射到低秩潜在语义空间、改变什么数值状态、由哪些词表、权重、矩阵、分解阶数、语义向量、相似与重构证明，并如何排除测试查询选择表示。
17.1.1 单词向量空间
↡单词向量空间对应原版目录坐标“17·1·1 单词向量空间”，在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 3/12。 围绕“怎样从词项—文档矩阵构造潜在语义空间，并核对检索相似与重构误差？”，在“第17章 潜在语义分析”的原版层级3把「17·1·1 单词向量空间」落实为将词项文档矩阵映射到低秩潜在语义空间；复核者先读取词表、权重、矩阵、分解阶数、语义向量、相似与重构，不能接受测试查询选择表示。
17.1.2 话题向量空间
↡话题向量空间对应原版目录坐标“17·1·2 话题向量空间”，在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 4/12。 对“第17章 潜在语义分析”而言，目录项「17·1·2 话题向量空间」的最小推演合同是将词项文档矩阵映射到低秩潜在语义空间，第4次检查保存词表、权重、矩阵、分解阶数、语义向量、相似与重构；若产生测试查询选择表示，就返回上一步。
17.2 潜在语义分析算法
↡潜在语义分析算法对应原版目录坐标“17·2 潜在语义分析算法”，在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 5/12。 第5个正式坐标「17·2 潜在语义分析算法」服务于覆盖单词向量空间、话题向量空间、矩阵分解算法与非负矩阵分解，需要以词表、权重、矩阵、分解阶数、语义向量、相似与重构呈现将词项文档矩阵映射到低秩潜在语义空间；测试查询选择表示会破坏“分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定”。
17.2.1 矩阵奇异值分解算法
↡矩阵奇异值分解算法对应原版目录坐标“17·2·1 矩阵奇异值分解算法”，在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 6/12。 在“第17章 潜在语义分析”的坐标6中，目录项「17·2·1 矩阵奇异值分解算法」用于以正交子空间和奇异值分解、截断并重构矩阵；先冻结符号与形状，再以形状、秩、U/S/Vh、正交残差、谱与重构误差复核，出现矩阵方向或截断对象错误时撤回结论。
17.2.2 例子
↡例子对应原版目录坐标“17·2·2 例子”，在“第17章 潜在语义分析”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 7/12。 目录项「17·2·2 例子」进入“第17章 潜在语义分析”后要回答第7个方法问题：它怎样把目录坐标转为有定义、推导、计算和验收的统计学习合同、改变什么数值状态、由哪些变量、假设、目标、更新、数值残差、评估和边界反例证明，并如何排除只复述结论或公式名称。
17.3 非负矩阵分解算法
↡非负矩阵分解算法对应原版目录坐标“17·3 非负矩阵分解算法”，在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 8/12。 围绕“怎样从词项—文档矩阵构造潜在语义空间，并核对检索相似与重构误差？”，在“第17章 潜在语义分析”的原版层级8把「17·3 非负矩阵分解算法」落实为以正交子空间和奇异值分解、截断并重构矩阵；复核者先读取形状、秩、U/S/Vh、正交残差、谱与重构误差，不能接受矩阵方向或截断对象错误。
17.3.1 非负矩阵分解
↡非负矩阵分解对应原版目录坐标“17·3·1 非负矩阵分解”，在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 9/12。 对“第17章 潜在语义分析”而言，目录项「17·3·1 非负矩阵分解」的最小推演合同是以正交子空间和奇异值分解、截断并重构矩阵，第9次检查保存形状、秩、U/S/Vh、正交残差、谱与重构误差；若产生矩阵方向或截断对象错误，就返回上一步。
17.3.2 潜在语义分析模型
↡潜在语义分析模型对应原版目录坐标“17·3·2 潜在语义分析模型”，在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 10/12。 第10个正式坐标「17·3·2 潜在语义分析模型」服务于覆盖单词向量空间、话题向量空间、矩阵分解算法与非负矩阵分解，需要以词表、权重、矩阵、分解阶数、语义向量、相似与重构呈现将词项文档矩阵映射到低秩潜在语义空间；测试查询选择表示会破坏“分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定”。
17.3.3 非负矩阵分解的形式化
↡非负矩阵分解的形式化对应原版目录坐标“17·3·3 非负矩阵分解的形式化”，在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 11/12。 在“第17章 潜在语义分析”的坐标11中，目录项「17·3·3 非负矩阵分解的形式化」用于以正交子空间和奇异值分解、截断并重构矩阵；先冻结符号与形状，再以形状、秩、U/S/Vh、正交残差、谱与重构误差复核，出现矩阵方向或截断对象错误时撤回结论。
17.3.4 算法
↡算法对应原版目录坐标“17·3·4 算法”，在“第17章 潜在语义分析”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 12/12。 目录项「17·3·4 算法」进入“第17章 潜在语义分析”后要回答第12个方法问题：它怎样把目录坐标转为有定义、推导、计算和验收的统计学习合同、改变什么数值状态、由哪些变量、假设、目标、更新、数值残差、评估和边界反例证明，并如何排除只复述结论或公式名称。
先预测，再操作三个章专属实验
1. 定义、推导与变换路径
固定“构造小型词项—文档矩阵，用截断SVD与NMF比较潜在语义。”，在参考与反例间切换，逐阶段查看“语料与词表、词项文档矩阵、低秩分解、语义坐标、检索复核”的已知量、变换、结果和数值检查。
推导路径
选择案例，逐步核对已知量与变换
怎样从词项—文档矩阵构造潜在语义空间，并核对检索相似与重构误差？
问题设置
构造小型词项—文档矩阵，用截断SVD与NMF比较潜在语义。 固定符号、数据、初值、顺序、容差和种子。
事前预测
沿“语料与词表 → 词项文档矩阵 → 低秩分解 → 语义坐标 → 检索复核”得到可复核结果。
适用边界
全过程必须满足“分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定”。
已知量
第17章 潜在语义分析：声明对象、符号与适用域，冻结数据、形状和版本
变换或更新
只读取本步允许的已知量，并持续满足“分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定”
阶段结果
语料与词表产生形式化问题状态
数值与逻辑检查
形式化问题状态、索引和数值断言；出现“在测试查询与相关性答案上选择分解阶数或词权重”时停止
原版坐标：第17章 潜在语义分析、17.1 单词向量空间与话题向量空间、17.1.1 单词向量空间、17.1.2 话题向量空间、17.2 潜在语义分析算法、17.2.1 矩阵奇异值分解算法、17.2.2 例子、17.3 非负矩阵分解算法、17.3.1 非负矩阵分解、17.3.2 潜在语义分析模型、17.3.3 非负矩阵分解的形式化、17.3.4 算法
第17章 潜在语义分析的可重放方法协议
| 阶段 | 允许动作 | 必留证据 | 拒绝条件 |
|---|---|---|---|
| 语料与词表 | 在“第17章 潜在语义分析”执行语料与词表，只改变声明的数学或数值状态 | 符号、定义域、形状、数据与版本 | 对象或形状不可追溯 |
| 词项文档矩阵 | 在“第17章 潜在语义分析”执行词项文档矩阵，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 在测试查询与相关性答案上选择分解阶数或词权重 |
| 低秩分解 | 在“第17章 潜在语义分析”执行低秩分解，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 在测试查询与相关性答案上选择分解阶数或词权重 |
| 语义坐标 | 在“第17章 潜在语义分析”执行语义坐标，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 在测试查询与相关性答案上选择分解阶数或词权重 |
| 检索复核 | 在“第17章 潜在语义分析”执行检索复核，只改变声明的数学或数值状态 | 残差、诊断、反例、适用边界与复现 | 无法重放或缺少诊断 |
unit: "slm-17"
question: "怎样从词项—文档矩阵构造潜在语义空间，并核对检索相似与重构误差？"
scenario: "构造小型词项—文档矩阵，用截断SVD与NMF比较潜在语义。"
stages: ["语料与词表", "词项文档矩阵", "低秩分解", "语义坐标", "检索复核"]
invariant: "分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定"
fault: "在测试查询与相关性答案上选择分解阶数或词权重"
evidence: "语料版本、词表、权重、矩阵、分解阶数、文档/词向量、相似度、重构误差和查询结果。"
reset: restore_case_stage_trace_mode_step_gates_and_artifact该协议要求“第17章 潜在语义分析”在相同符号、数据、形状、初值、顺序、容差和种子下重放。重置后若案例、阶段、轨迹模式、步骤、结论门或证据包没有回到基线，交互状态已经污染比较。
本页回顾
掌握“第17章 潜在语义分析”不是背诵公式或API，而是能围绕“怎样从词项—文档矩阵构造潜在语义空间，并核对检索相似与重构误差？”重建定义与数值证据，并用“分词词表、权重、矩阵方向、分解阶数、相似度和评估查询固定”拒绝“在测试查询与相关性答案上选择分解阶数或词权重”。最终交付为语料版本、词表、权重、矩阵、分解阶数、文档/词向量、相似度、重构误差和查询结果。
练习与答案
练习
- 问题 1：方法合同。 “第17章 潜在语义分析”为什么必须先冻结符号、数据、形状、初值、顺序、容差和种子？
- 问题 2：目录逐项覆盖。 怎样证明原版目录坐标已经进入机制、交互和练习？
- 问题 3：故障恢复。 怎样证明“在测试查询与相关性答案上选择分解阶数或词权重”已经被修正？
名词解释
名词解释
本章出现的专业名词，用大白话再讲一遍。
- 潜在语义分析
检索键 slm-A 对应目录坐标「第17章 潜在语义分析」；在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，需要连接原版范围、定义、数值状态与独立证据。
- 单词向量空间
检索键 slm-B 对应目录坐标「17·1 单词向量空间与话题向量空间」；在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，需要连接原版范围、定义、数值状态与独立证据。
- 单词向量空间
检索键 slm-C 对应目录坐标「17·1·1 单词向量空间」；在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，需要连接原版范围、定义、数值状态与独立证据。
- 话题向量空间
检索键 slm-D 对应目录坐标「17·1·2 话题向量空间」；在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，需要连接原版范围、定义、数值状态与独立证据。
- 潜在语义分析算法
检索键 slm-E 对应目录坐标「17·2 潜在语义分析算法」；在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，需要连接原版范围、定义、数值状态与独立证据。
- 矩阵奇异值分解算法
检索键 slm-F 对应目录坐标「17·2·1 矩阵奇异值分解算法」；在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，需要连接原版范围、定义、数值状态与独立证据。
- 例子
检索键 slm-G 对应目录坐标「17·2·2 例子」；在“第17章 潜在语义分析”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，需要连接原版范围、定义、数值状态与独立证据。
- 非负矩阵分解算法
检索键 slm-H 对应目录坐标「17·3 非负矩阵分解算法」；在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，需要连接原版范围、定义、数值状态与独立证据。
- 非负矩阵分解
检索键 slm-I 对应目录坐标「17·3·1 非负矩阵分解」；在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，需要连接原版范围、定义、数值状态与独立证据。
- 潜在语义分析模型
检索键 slm-J 对应目录坐标「17·3·2 潜在语义分析模型」；在“第17章 潜在语义分析”中用于将词项文档矩阵映射到低秩潜在语义空间，需要连接原版范围、定义、数值状态与独立证据。
- 非负矩阵分解的形式化
检索键 slm-K 对应目录坐标「17·3·3 非负矩阵分解的形式化」；在“第17章 潜在语义分析”中用于以正交子空间和奇异值分解、截断并重构矩阵，需要连接原版范围、定义、数值状态与独立证据。
- 算法
检索键 slm-L 对应目录坐标「17·3·4 算法」；在“第17章 潜在语义分析”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，需要连接原版范围、定义、数值状态与独立证据。