概念潜在语义分析 / Latent Semantic Analysis
LSA
通过矩阵分解将词项-文档共现映射到低维语义空间的语义排序方法，可捕捉同义与共现关系
时间轴 (近 90 天)
11月4日
在隔离目标的压力测试中，每条查询仅需五篇查询定向文档，就能让经典检索器的 nDCG@10 下降 40.2% 至 61.5%。
待验证50%
11月4日
附加文本会同时扰动 LSA 与 Hybrid 排序，说明语义层面的排名同样可被操纵。
待验证50%
9月4日
早期的潜在语义分析（LSA）通过对词-文档矩阵进行 SVD 来捕捉词语之间的语义关系
待验证50%
8月28日
潜在语义分析（LSA）诞生于1988年，通过对词-文档矩阵（通常经TF-IDF加权）进行SVD并保留前k个奇异值，将词和文档映射到k维语义空间
待验证50%
8月28日
LSA可以被视为现代词嵌入技术（如Word2Vec、GloVe）的思想先驱，它们都试图用低维稠密向量捕获语义关系
待验证50%
全部知识事实 (5)
待验证
在隔离目标的压力测试中，每条查询仅需五篇查询定向文档，就能让经典检索器的 nDCG@10 下降 40.2% 至 61.5%。
50%待验证附加文本会同时扰动 LSA 与 Hybrid 排序，说明语义层面的排名同样可被操纵。
50%待验证早期的潜在语义分析（LSA）通过对词-文档矩阵进行 SVD 来捕捉词语之间的语义关系
50%待验证潜在语义分析（LSA）诞生于1988年，通过对词-文档矩阵（通常经TF-IDF加权）进行SVD并保留前k个奇异值，将词和文档映射到k维语义空间
50%待验证LSA可以被视为现代词嵌入技术（如Word2Vec、GloVe）的思想先驱，它们都试图用低维稠密向量捕获语义关系
50%