双语词对齐技术的研究在自然语言处理领域有重要意义,双语词对齐技术在神经机器翻译的应用中也发挥着重要的作用,如注释转移和词汇注入,还可以辅助译文质量的校对。双语词对齐语料还可以为双语句对齐、跨语言信息检索等提供重要支撑。因此,研究和实现高质量的双语词对齐方法和工具,具有重要应用价值。本文重点研究基于神经网络的词对齐技术。该研究首先面临的一个重要问题就是如何获得较大规模的词对齐训练语料。依赖人工标注的词对齐数据集因规模有限无法满足训练要求;传统的词对齐模型一般是通过人为选取特征,受标注者的专业知识的影响,这样的特征往往是稀疏的。本文针对以上问题,首先通过传统机器学习的方法建立训练数据集,并在此基础上完成神经网络的构建,最终实现了无监督的以双语句对齐语料为基础的双语词对齐系统。具体研究内容包括:（1）基于统计机器学习方法生成双语词对齐语料。在无标注的英中句对齐专利标题语料基础上使用传统机器学习方法GIZA++完成英中词对齐工作,并使用外部网络词典验证基于GIZA++词对齐结果的准确性,验证结果表明,通过该方法生成的英中双语词对齐数据集为接下来神经网络模型的训练提供了很好的数据支撑。（2）提出面向神经网络的词对齐训练语料标注方案。即使用字母‘B’与数字的组合表示英文词与中文词在英中平行句对中的对齐关系。通过对数据集句子长度、词频等特征分析,选取满足词对齐句长范围最好的数据集完成神经网络训练数据集的标注。这种方式省去了人工标注词对齐语料的成本,并且这种构建数据集的方法也可以为其他基于语料库的研究提供参考。（3）提出融入双语句法信息的神经网络词对齐方法。该方法首先对英中平行的双语句子进行句法分析,并在神经网络的编码层融入句法结构信息。神经网络部分选择双向长短时记忆网络与文本卷积网络的结合,从而训练出融合线性句法结构的神经网络词对齐模型。实验表明,融合双语句法信息的神经网络词对齐算法准确率有明显提升。（4）在工程实现方面,设计并实现一个双语词对齐系统,该系统完成数据集构建、词对齐标注、句法分析、神经网络模型的构建以及词对齐结果的可视化。