| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 相关理论与技术介绍 | 第16-22页 |
| 2.1 LDA主题模型 | 第16-21页 |
| 2.1.1 单语LDA模型 | 第16-18页 |
| 2.1.2 LDA模型的参数学习 | 第18-19页 |
| 2.1.3 双语LDA模型 | 第19-21页 |
| 2.2 本章小结 | 第21-22页 |
| 第三章 汉缅双语平行语料库构建方法 | 第22-30页 |
| 3.1 相关研究 | 第22页 |
| 3.2 平行语料资源 | 第22-23页 |
| 3.3 汉缅双语平行文本自动获取方案 | 第23-26页 |
| 3.3.1 新闻文本的自动抽取 | 第24-26页 |
| 3.3.2 双语新闻文本对匹配方法 | 第26页 |
| 3.4 汉缅双语平行文本的人工收集 | 第26-27页 |
| 3.4.1 《吉祥》杂志电子版 | 第26页 |
| 3.4.2 微信平台 | 第26-27页 |
| 3.5 汉缅平行语料库 | 第27页 |
| 3.6 本章小结 | 第27-30页 |
| 第四章 融合上下文特征的汉缅双语LDA模型 | 第30-44页 |
| 4.1 融合上下文特征的汉缅双语LDA模型 | 第31-37页 |
| 4.1.1 模型的训练流程 | 第32页 |
| 4.1.2 基于上下文特征的词语权值矩阵 | 第32-33页 |
| 4.1.3 上下文权值矩阵的计算方法 | 第33-36页 |
| 4.1.4 模型的推导 | 第36-37页 |
| 4.2 实验设计与结果分析 | 第37-42页 |
| 4.2.1 实验语料 | 第37-38页 |
| 4.2.2 语料处理 | 第38-39页 |
| 4.2.3 模型评估 | 第39页 |
| 4.2.4 参数估计 | 第39-42页 |
| 4.3 本章小结 | 第42-44页 |
| 第五章 融合语义扩展的汉缅双语LDA模型 | 第44-54页 |
| 5.1 融合语义扩展的汉缅双语LDA模型 | 第45-48页 |
| 5.1.1 模型的构建流程 | 第46-47页 |
| 5.1.2 汉缅语义扩展词典 | 第47页 |
| 5.1.3 吉布斯抽样推导 | 第47-48页 |
| 5.2 实验设计与结果分析 | 第48-51页 |
| 5.2.1 实验语料 | 第48页 |
| 5.2.2 主题数量选取 | 第48-49页 |
| 5.2.3 模型评估 | 第49页 |
| 5.2.4 实验结果 | 第49-51页 |
| 5.3 抽取双语文本主题词分布 | 第51页 |
| 5.4 新文档主题预测 | 第51-52页 |
| 5.5 本章小结 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录A 攻读硕士学位期间发表论文和受权的软件著作权 | 第64-65页 |
| 附录B 攻读硕士期间参与项目 | 第65页 |