藏汉跨语言话题模型构建及对齐方法研究

• 作者: 孙媛 赵倩
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 藏汉跨语言 话题抽取 LDA 话题对齐
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 少数民族及周边语言信息处理
• 页码范围: 102-111
• 页数: 10页
• 分类号: TP391
• 字数: 7626字
• 语种: 中文

摘要

如何获取藏文话题在其他语种中的相关信息,对于促进少数民族地区的社会管理科学化水平、维护民族团结和国家统一、构建和谐社会具有重要意义.目前大多数研究集中在英汉跨语言信息处理方面,针对藏汉跨语言研究较少.如何根据藏语、汉语的特点,并结合目前藏语信息处理的研究现状,实现藏汉多角度的社会网络关系关联,同步发现关注话题并进行数据比较,是迫切需要解决的问题.该文在藏汉可比语料的基础上,利用词向量对文本词语进行语义扩展,进而构建LDA话题模型,并利用Gibbs sampling进行模型参数的估计,抽取出藏语和汉语话题.在LDA话题模型生成的文档-话题分布的基础上,提出一种基于余弦相似度、欧氏距离、Hellinger距离和KL距离四种相似度算法的投票方法,来实现藏汉话题的对齐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙媛	中央民族大学信息工程学院	7	13	2.0	3.0
5	赵倩	中央民族大学信息工程学院	1	1	1.0	1.0