近年来,在自然语言处理的研究和开发中,双语翻译对(包括句子,短语,词汇)的作用日益突显出来,它为跨语言检索和机器翻译等自然语言处理应用提供基础资源。大量的双语翻译对可以明显改进上述基于实例的自然语言应用系统的性能。因而人们提出了很多抓取双语翻译的方法,早期的方法主要是从平行语料里进行抽取。这类方法存在规模不足,领域局限,不能很好处理新词等问题。随着互联网得飞速发展,大量网页中包含了双语翻译对。并且由于互联网自身的多样性和实时性,互联网上的翻译对覆盖面广,而且包含了大量新词。因此,从互联网上抽取双语翻译对已成为了当今信息抽取领域里的研究热点。本文提出了一种新颖的从互联网上获取双语平行翻译对的方法,该方法基于双语平行翻译对在网上会集群式出现的特点,通过一个循环迭代的挖掘方法自动的从互联网上发现,抽取高质量的翻译对。首先利用种子数据从搜索引擎上获取包含种子数据的网页,然后使用一个启发式的评估方法从网页中发现双语平行翻译对。对这些包含集群式出现的双语翻译对的信息区域,我们使用了PAT树的数据结构自动构建抽取模板,然后,根据模板的抽取性能(使用F-measure进行评测)采用Ranking SVM对这些模板进行排序,使用排序后的前10个模板联合表面模板(Surface Pattern)进行翻译对的抽取。最后,再通过使用一个基于源语言和目标语言翻译相关性的SVM分类器,将高质量的翻译对提取出来。本文的主要贡献为:①本文提出了一种滚雪球式的从互联网上抽取翻译对的迭代方法;②本文设计并实现了一个整合式的抽取系统用来从互联网中抽取出高质量中英翻译对。通过大量的实验表明综合自动发现,抽取,验证等模块,该框架可以获得比同类方法更高的抽取性能。