互联网上各种语言的文本数据在以几何级数不断增加,这些文本数据自然成为自然语言处理研究的宝贵资源。本文先从互联网上获取感兴趣的语言资源,然后进一步获取互联网上的双语对。双语短语对齐在机器翻译领域具有重要意义。本文在词性标注时,针对兼类词与其前驱词以及后继词搭配时满足的规则不同的情况,采用统计和规则相结合的方法,设置规则的优先级,从而确定当前词的词性,提高了词性标注的正确率。在短语切分中,将汉语短语切分概率化,并结合一些成词率高的规则,通过求N-最短路径方法进行短语切分。本方法对于一个已经分词的句子,根据短语库找到这个句子中所有可能的短语,并构造有向无环图,求得最优路径,从而提高了短语切分的正确率。本文还利用从搜索引擎中自动获取共现短语对网络频率数的方法进行短语对齐。本方法利用词性标注和短语切分的结果,使用网络共现频率数来判断两个汉英短语是否互为翻译,然后根据贪心规则选出最佳候选。该方法能够获得双语语料库未能充分覆盖的部分新短语,将其作为双语语料库的补充,实验证明,这种方法有效的提高短语对齐的准确率和召回率。另一方面,本文基于Web挖掘技术,采用迭代策略实现汉英双语对获取,从而实现领域词典的自动扩充。本方法把一个有限的计算机专业词典中的英文短语及其中文解释组合成中英文二元组提交给搜索引擎,从返回的诸片段(snippets)中提取出相似的中英文二元组,选择置信度高的一个二元组,再次提交给搜索引擎进行相同的操作,多次迭代,直到计算机专业词典中的每个二元组都处理完毕。实验表明,该方法当用于扩充语料库的时候,能够有效地提高词典获取的正确率,同时也可以提高双语词典编撰效率。