潜在语义分析(Latent Semantic Analysis，LSA)是一种自然语言信息提取和再现的理论方法，它的原理是通过对大量的文本集进行统计分析，从中提取出词语的上下文含义。它同向量空间模型类型类似，采用空间向量表示词汇和文本，并进行SVD分解，论文叙述了潜在语义分析的基本理论方法，然后通过实例说明LSA在信息检索中的应用，并通过分析结果中文本间、词汇间的相似度的变来说明LSA在信息分类中的重要意义。 本文对潜在语义分析模型进行了系统的研究，包括奇异值分解，通过数学中的奇异值分解来分析文本集中各个词汇之间，各个文本之间，文本与提问式之间的关系，同时本文研究和探讨了潜在语义分析模型在文本聚类中的具体应用和实现，包括文本间和词汇间的相似度的度量。 本文对采用潜在语义分析模型的聚类效果进行了相应的研究分析，给出了聚类操作方法和试验结果，以及对实验结果的具体分析。