未登录词(Out of Vocabulary,简写为OOV)的查询翻译是影响跨语言信息检索(Cross-Language Information Retrieval,简写为CLIR)性能的关键因素之一。它的翻译好坏直接影响着机器翻译、跨语言检索等自然语言处理技术的性能。本文充分利用丰富的网络资源来实现OOV的译文挖掘,主要结合维基百科和搜索引擎各自的优点实现。具体步骤包括:缩略语(Abbreviation)是一种常见的OOV文字形式,由于缩略语的歧义性,使得一项缩略语往往存在多种全称形式,因此缩略语的识别和全称提取对OOV的查询翻译至关重要,本文分别基于搜索引擎和维基百科来实现缩略语的全称提取。然后将查询词与维基百科中篇章的对齐情况粗略分为两种,分别是有目标链接的对齐和无目标链接的对齐,对于有目标链接对齐的词条,通过提取目标语言链接标题来完成OOV的翻译。对于无目标链接对齐的词条,本文通过搜索引擎来实现其译文的挖掘。首先,为了实现跨语言信息检索中查询词的有效扩展,获得高质量的双语摘要资源,基于维基百科中存在的源语言词条,通过提取该源语言词条对应篇章摘要中超链接的目标语言标题,作为跨语言的扩展词。其次,在目标缺失情况下,利用搜索引擎的反馈获取双语共现语境,然后基于共现特征的主题词译文的查询扩展方法,并通过二次词典翻译、以及基于OOV和扩展词融合后的查询构建和二次检索,获得高质量的双语摘要资源;最后,基于对数似然比(Log Likelihood Ratio,简写为LLR)值的归约层次聚类算法,实现候选多词单元的抽取,并与常用统计方法作比较,并综合利用频度-距离模型、表层模板匹配模型和音译模型,从候选翻译单元中选择最佳译文用于查询翻译。实验结果Top10取得了93.8%的正确率。