学习高质量的短语表示一直是统计机器翻译(SMT)中一个研究热点。随着单语短语表示学习研究的成功,许多方法被提出来用于双语短语的表示学习。究其本质,这些方法的出发点都是建立在一个短语及其对应的翻译表示的语义是相同的。所以,在相同的语义空间中,一个短语及其对应的翻译应该尽量接近。然而,现有的工作只考虑了短语内部词之间的组合关系。短语的语义受到其所在上下文的影响,对短语外部的信息的忽略会影响到短评语表示的学习。我们提出了一种融入主题信息的双语短语的表示学习方法。通过将上下文信息融入到双语短语的表示学习中,我们解决了上面提到的问题。具体地,一方面,我们将短语所在文档的主题分布和由递归自编码器学习到的短语表示融合,得到带有上下文信息的短语表示。另一方面,由主题模型得到的词的主题分布反映了词在主题空间的语义,我们将得到的词的主题分布用于约束词和主题表示的学习中。通过这种方式,我们希望具有相似主题分布的词在语义空间中尽量接近,从而进一步提高学习到的短语表示的质量。与之前的双语短语的表示学习方法相比,我们不但考虑了短语所在的上下文,而且建模了词和主题之间的关系来约束模型的学习。在中文到英文机器翻译上的试验结果表明我们的模型显著提高了翻译质量。