自然语言处理技术在当今信息时代取得了巨大的成功，人们的生活方方面面都离不开自然语言处理技术。随着人们文化交流的需要，对一些小语种也有自然语言处理需求，往往这些语言的标注资源稀缺，限制了自然语言技术在这些语言上的发展。人们尝试使用将标注资源丰富的语言信息映射到标注资源稀缺的语言上的跨语言映射的方法。本文使用多种半监督结构化学习的技术，借助双语平行语料的词对齐关系，研究跨语言词性标注任务。本文首先把跨语言学习问题定为半监督结构化问题，使得所有的跨语言学习问题都纳入到这个框架下。然后，本文提出了跨语言直接词性标注的方法，根据词对齐关系将源语言的词性直接传递到目标语言，考虑了在没有目标语言标注数据和有少量目标语言标注数据情况下的算法。同时，研究了词对齐过滤方法，使用两种词对齐过滤融合的方法，使得跨语言映射准确率得到提高。本文又提出了协同学习在跨语言词性标注的框架，将协同学习推广到结构化学习上，研究了序列标注模型的置信度计算的问题以及词对齐种类对跨语言词性标注的影响。实验结果表明使用一对一对齐策略和基于片段的数据更新更新方法，可以得到较好的结果。最后，本文采用标签传播算法，根据词上下文信息构建词相似度图，减少由跨语言直接映射引发的噪声问题。在此过程中使用奇异值分解技术对词特征进行降维，以减少特征稀疏问题造成的影响。最后将标签传播过程估计的词性分布作为约束加入到马尔科夫随机场中。实验结果表明，我们提出的协同学习方法和标签传播算法在跨语言词性标注任务上都取得了成功，比直接映射和用少量目标语言标注数据的有监督序列标注模型效果都好。