随着统计技术的发展,大规模的双语语料库是机器翻译和跨语言处理中不可缺少的基本资源。平行双语语料库提供了两种相应语言的丰富的匹配信息。通常情况下,获得高质量和大规模平行双语语料库的难度较大。跨语言信息处理的主流方法之一是利用双语语料库构建互译等价信息对,双语词典或双语命名实体,来支持机器翻译和跨语言信息检索。然而,现有的双语语料库的资源比较缺乏,近年来,从部分双语网站挖掘双语语料库的技术方法,变得越来越重要。特别是,许多新闻网站包含高质量的多语种的新闻资源。众所周知,每一条新闻都是以叙事为主,在新闻翻译成不同语言的情况下,时间、地点、人物和组织机构的信息必须严格匹配。因此,利用这些信息构建双语相比较的语料库是一个很好的方法。而传统的语料库的构建方法,通常采用了基于网络结构信息,相似度计算,跨语言信息检索和维基百科链接等方法。在本文中,我们提出了一种基于事件抽取技术的构建日汉新闻可比的语料库方法。首先,我们通过CRF模型实现分词和命名实体识别,通过命名实体匹配实现命名实体词典构建。我们通过网络爬虫,抽取汉语和日语新闻,然后通过事件抽取技术,结合日汉词典、命名实体词典,和日汉汉字对照表,抽取出特征集,通过计算抽取出的新闻事件的相似性,我们实现了一种使用日汉新闻事件特征的相似度计算方法,并生成篇章对齐抽取结果。最后,我们使用的篇章对齐抽取结果来训练分类器模型,分类器模型用于对日汉新闻篇章对齐的判别。实验结果表明,我们的方法是有效的,它可以克服传统方法的缺点。