平行语料库是机器翻译、跨语言检索和跨语言自动问答等自然语言处理(Natural Language Processing,NLP)任务的核心基础资源。平行语料库的规模和质量决定了这些系统的性能上限。然而人工构建大规模的平行语料库既昂贵又耗时。可喜的是,网络中(维基百科、多语言字幕网站等)存在海量蕴含部分平行资源的可比语料,若能从其中自动检测并获取平行语料将极大地丰富平行数据的来源,有效提升机器翻译等自然语言处理系统的性能。因此,本文的研究具有重要的科学意义和应用价值。近年来,研究者们使用基于神经网络的方法研究新的高效的句子对齐方法。基本思路都为通过神经网络学习句子的向量表示,然后比较向量间的相似度判断是否为平行句对。然而,通过神经网络生成的句子的向量表示的维度是固定的,不能充分表示句子的信息,比如句子长度的信息等。另一方面,在比较向量相似度时,使用余弦相似度或曼哈顿距离等单一的度量方式未能充分挖掘向量之间的相似关系。本文提出了一种基于跨语言词向量的两级句子对齐方法,该方法可以从不同噪音分布的可比语料库中抽取平行句对。具体来说,两级是指词语级别和句子级别。在词语级别上,我们巧妙地结合了余弦相似性和曼哈顿距离的优点,即同时考虑向量间的角度信息和向量间的绝对距离,提高词语相似性度量的性能。在句子层面上,基于所提出的词相似度度量方法,我们提出了一种基于聚合方法的句子相似度度量,结合词语和句子两种粒度的信息来计算句子间的相似度。为了进一步改进这项技术,我们采用基于边距的评分步骤来挖掘更多的潜在平行句对。为了评估本文方法的有效性,我们在三个任务上进行了实验。首先,我们评估了我们的句子相似度量方法在不同参数配置下的有效性。其次,将该方法应用于不同噪音分布的可比语料,对句子对齐任务的效果进行评估。最后,使用句子对齐方法过滤大规模语料,并验证过滤后的语料对下游机器翻译任务的影响。实验结果表明,本文方法能够显著提高句子相似度的度量效果,并且能够在不同噪声条件下从可比语料库中采集高质量的平行数据,而且相比于具有竞争力的基线系统,本文方法也能显著改善机器翻译的性能。