跨语言词嵌入指不同语种的单词对应的表示处于相同的向量空间之中,从而可以方便地度量不同语种的词之间的相似程度,无监督跨语言词表示学习旨在不借助任何的外界跨语言信息来进行跨语言词表示的学习。现有的无监督跨语言词表示学习虽然取得了一定的成果,但仍然存在着不足之处。缺点之一便是自学习步骤中的双语翻译词典获取方法较为简单,不能为后续迭代步骤提供高置信度的双语关联信息,影响了自学习过程的学习效果,并对最终获得的跨语言词嵌入的性能造成了负面影响。针对这一问题,本文提出了基于协同训练的无监督跨语言词表示学习方案,以提高跨语言词表示的质量。本文尝试比较协同训练过程中不同训练子流程自学习步骤的双语翻译词典,筛选更加可信的双语翻译对用于各流程的后续训练步骤当中,从而提升自学习过程中使用的信息的质量,最终提升模型所得跨语言词表示的性能效果。具体地,本文设计了基于不同词嵌入模型的无监督跨语言词表示协同训练方案和基于不同语料库来源的无监督跨语言词表示协同训练方案,且两者的性能均优于基线模型。本文还对基于线性自编码器的主成分分析方法进行了研究和探索,设计并实现了针对单语语料上得到的点间互信息矩阵的基于线性自编码器的主成分获取方案。并在此基础之上设计了基于线性自编码器的跨语言词表示协同训练方案,提升了跨语言词嵌入的学习效果,并进一步验证了无监督跨语言词表示学习的协同训练方法可行性。