传统的时间表达式识别方法主要分为两类：基于机器学习的时间序列标注方法和基于规则的方法。本文结合两种传统方法的优点,提出了一种规则与统计模型相结合的日语时间表达式识别方法。该方法在按照Timex2标准对时间表现进行细化分类的基础上,结合日语时间词的特点,渐进地扩展重构日语时间表达式知识库,并对基于知识库获取的规则集进行优化更新,提高日语时间表达式的识别精准度；再融合CRF统计模型提高日语时间表达式识别的泛化能力。实验结果显示,本文提出的方法有效,它克服了传统方法可移植性差以及对语料库规模具有依赖性的缺点,可利用有限资源构建高质量识别日语时间表达式系统。在完成日语时间表达式识别工作后,我们进行了日语时间表达式翻译成汉语的工作。我们分别实现基于Moses翻译模型以及基于日汉时间基类关键词对平行字典与日语时间表达式翻译规则的翻译方法,分析二者实验结果,提出统计机器翻译(SMT)结合规则进行日语时间表达式翻译的方法。实验结果显示本文提出方法的翻译效果是三种方法中最好的。“规则和统计的融合”是本文的主要创新工作。我们利用错误驱动学习思想,根据统计模型的识别与翻译结果修正基于人工启发式的日语时间表达式识别规则模板与日汉时间表达式翻译规则模板,动态扩展重构知识库与日汉时间表达式平行字典,用更新后的规则模板、知识库以及日汉时间表达式平行字典实现基于规则的识别与翻译方法,通过得到的结果来提高统计模型的训练语料质量,再进行统计模型识别工作与翻译工作。如此反复,直至系统的性能没有得到明显提高。我们提出的融合策略既提高了实验精度,又提高了系统的泛化能力。