在机器翻译中加入语义知识已经成为机器翻译的研究热点,很多研究者也从不同的角度尝试将语义信息添加到统计机器翻译模型中去,以期望更好的指导翻译过程。但由于语义信息库的建设需要大量的人力物力,因此发展相对滞后,特别是中文的语义资源更是稀缺,迫切需要自动的学习方法,以快速的构建出大量的中英文语义资源,满足机器翻译的需要。为了实现基于格框架的机器翻译,首先就要有双语格框架作为训练语料。本文正是在这种应用背景下,通过对现有资源的研究,以FrameNet为基础,整合了VerbNet、WordNet,丰富了FrameNet的语义信息。同时在FrameNet的基础上,开发了角色标注系统。利用角色标注系统从英汉双语语料提取了格框架,并在格框架的基础上设计了一个英汉翻译系统。语义角色是反映句子意义的某种形式化表示,语义角色含有浅层的语义信息,在问答系统、信息抽取、机器翻译等领域有着广泛的应用。因此,本文以FrameNet为训练语料,开发了一个基于最大熵分类器的角色标注系统。通过对特征的筛选和组合,实验取得了正确率77%,召回率73.5%,F1值75.3%的成绩。在双语格框架的提取方面,通过FrameNet与HowNet语义对齐性,提取了大量的对齐词元。同时又在角色标注的基础上,首先通过标注双语句对齐语料中的英语语料获得角色标注结果,然后利用双语语料的对齐信息,给中文语料标上角色,最后在获得的双语角色标注语料的基础上提取出双语格框架。在机器翻译方面,本文在双语格框架的基础上开发了一个基于格框架的英汉机器翻译系统,实验表明格框架的加入对提高翻译质量是有帮助的。