对齐的双语语料在机器翻译、词义消歧和双语词典编撰等领域都非常有用,语料对齐的单位由大到小有篇章、段落、句子、短语、词等不同的层次,粒度越小,提供的语言信息就越多。然而,不同语言之间的差异问题为文本的预处理带来了困难,使语料库自动对齐工作难度增大。在实体级别对齐方面,还未见汉越双语对齐的相关研究。为了实现汉越实体对齐,进一步扩充双语语料库,本文对越南语命名实体识别技术展开研究,并在此基础上提出一种基于命名实体识别的汉越双语实体对齐方法。论文主要工作如下:(1)针对越南语语料匮乏、人工构建比较困难的问题,提出了一种越南语实体识别数据集构造方法,以较低的人工干预成本构建面向越南语实体识别任务的数据集,解决了标注语料稀缺的问题。(2)构建并实现了一种基于BERT-GRU-CRF的越南语命名实体识别模型。该模型通过BERT(Bidirectional Encoder Representations from Transformers)层进行词向量处理,利用GRU(Gated Recurrent Unit)层提取向量的语义特征,通过CRF(Conditional Random Field)对实体标签进行预测。在越南数据集上,最终人名、地名和机构名的F1值分别达到了92.98%,95.86%和88.77%。将该模型与几种常用模型对比,实验结果表明该模型在对越南语数据的处理中拥有更好的性能。(3)针对目前汉越实体对齐技术研究较少的问题,提出了一种基于命名实体识别的汉越双语命名实体对齐方案。该方案包括词对齐处理、命名实体识别处理和实体对齐处理,将词对齐结果和实体识别结果进行整合,最终得到对齐的汉越双语实体。分别对人名、地名、机构名进行实验分析,F1值分别达到了74.98%,78.20%和65.76%,结果表明本方案能有效提取对齐的汉越双语实体。