词对齐技术是统计机器翻译中的翻译模型和调序模型的基础,这表明了词对齐技术是统计机器翻译系统中最重要部分。同时,词对齐技术在自然语言处理领域发挥着重要作用。例如双语语料库的建设、语音识别和信息检索等。如果错误出现在词对齐阶段,那它将会在这些模型中将错误延续下去,由于未解决词对齐阶段中的错误,这将导致模型中出现更多错误。目前,汉英词对齐技术的研究起步较早而且取得了不错的成果,然而汉维词对齐技术的研究起步较晚,因此汉维词对齐还面临着语料较少而且语料会有部分对齐错误的问题;同时由于维语的形态结构非常的丰富和复杂,这给汉维词对齐带来了非常严重的数据稀疏问题;另外,在实验过程中我们发现汉维词对齐中存在命名实体和非命名实体错误对齐的问题。本文针对以上问题,主要研究内容包括:(1)本文将基于困惑度的训练语料过滤方法应用于汉维双语词对齐语料库的预处理。通过删除严重错误的双语句对,获得更好的汉维双语语料库。困惑度可以在单词对齐阶段中删除具有严重错误的双语句对,从而提高单词对齐性能。本文通过汉维双语对齐句的困惑度过滤训练语料库,比较不同的困惑度对汉维词对齐效果的影响。实验表明,该方法在困惑度阈值小于12时,汉维词对齐的性能得到有效提升。(2)本文引入了基于形态切分的算法实现汉维词对齐语料预处理。在对维语名词和动词切分的基础上加入对维语形容词的切分,切分能获得包含更多语义信息的维语句子,这样可以在一定程度上可以解决数据稀疏性的问题,从而提高汉维词对齐的性能。(3)一种基于对双语命名实体进行识别来提高汉维词对齐性能的方法。首先,通过CRF方法对双语中的命名实体进行识别;然后,用双语语言标记的命名实体替换,然后在替换后的双语语料上进行汉维双语词对齐的实验;最后,再将实验结果中标记替换的命名实体恢复。该方法实现了汉维词对齐性能的提高。