潜语义分析LSA相比向量空间模型VSM改变了什么

向量空间模型VSM中，当查询向量query和文档向量d有共同元素时，基于内积的相似度计算sim（query，d）不为0，因此d被返回；当query和d没有共同元素时，sim（query，d）为0，则d被忽略。这样的结果是，如果d中有和query"主题相关"的的内容，那么d就被漏掉了。

潜语义分析LSA方法中，d和query都经过转换后，即使query和d没有共同元素时，经转换后的query和d的相似度sim（query，d）也不为0，则d被返回。也就是说，query和d在原来维度的空间里本来是正交的，经过转换后，投影到一个低维空间，这样十有八九就不正交了。这样的结果是，如果d中有和query"主题相关"的的内容，那么d就检索到了。但是，仅仅这样说的话就是一种想当然的说法。