老挝作为中国的重要邻国,与中国在经济上有着密切的联系,开展老挝自然语言处理的研究工作存在重要战略意义。其中,机器翻译、信息检索等跨语言信息处理任务需要汉老双语平行语料的支持。双语句子对齐作为构建双语平行语料的关键技术,旨在提取双语文本中语义相同的平行句子对,因此具有重要的研究意义。本文提出一种融合多特征的汉老双语句子对齐方法,从而解决研究中存在的问题,主要工作如下:（1）融合文本特征的汉老双语句子相似度计算方法由于汉语老挝语平行语料稀少,且老挝语在语义表达、句子结构上和汉语有明显差异,导致汉老双语句子相似度研究的难度较大。因此本文提出了一种融合文本特征的汉老双语句子相似度计算方法,并构建了句子相似度模型。首先在句子相似度模型中将汉语老挝语词性、数字共现等文本特征与Glove预训练词向量融合,以此丰富句子特征,提升模型计算准确率。其次,由基于自注意力的双向长短期记忆网络组成多层孪生网络来提取长距离上下文特征和深层次语义信息,其中自注意力机制可以保证语义信息的有效利用。最后采用迁移学习的方法将通用模型参数初始化该模型,并使用不同的微调参策略增强模型的泛化能力。实验表明,该模型具有不错的性能,其准确率、召回率和F1值分别达到了82.5%、85.78%和84%。（2）融合字符特征和Corrnet网络的汉老双语句子对齐方法针对获取高质量的汉老平行语料较难的问题,本章提出融合字符特征向量和相关神经网络的汉老双语句子对齐方法,在方法（1）的基础上,通过进一步研究分析迁移学习方法,构建融合字符特征的GCNN-CorrNet模型,充分利用字符构词信息及汉语老挝语文本特征,丰富词向量蕴含的语义信息,并将汉-老句子向量表示映射到共享语义空间联合学习通用语义表示,根据共享空间中的通用表示计算两种语言的相似性距离,从而判断汉老双语句子是否平行对齐,实现更精准的双语句子匹配。由实验结果可知,GCNN-CorrNet模型融合字符特征和文本特征后其F1值达到84.30%,证明了该方法的有效性。（3）融合实体和句子特征的汉老双语句子对齐方法由于汉老双语文本中存在非单调对齐（交叉对齐和空对齐）的情况,容易影响汉老句子对齐的效果;另外,人名地名在汉老双语文本中大多属于未登录词,也阻碍了汉老句子对齐研究。本文着重于关注双语句子局部和全局语义信息,提出一种融合实体和句子特征的汉老双语句子对齐方法,首先将汉老双语句长特征和人名地名特征融入Glove词向量,然后利用双向门控循环单元对特征词向量进行编码,以得到更细粒度的句子局部信息。其次引入交互注意机制提取双语句子中的全局信息,保证对上下文语义特征的有效利用。最后,在多层感知机的基础上引入KM算法,该方法可以处理非单调对齐文本,提高模型的泛化能力。实验结果表明,该方法显著提高了汉老双语新闻语料的对齐性能。