词语对齐的目标在于指明平行文本片段之间的对应关系,最早是作为统计翻译模型的中间产物而被提出。在英汉词对齐技术研究中,词形、语义、句法的多样性和灵活性,未登录词及分词错误等不利因素,一定程度上直接或间接影响了词对齐的质量。人们尝试结合不同的信息来提高词对齐的质量并获得了很好的成绩。迄今为止,出现了很多高准确率的词对齐算法,每种典型的算法自身都有其特有的优势。如基于统计的方法,可以识别一定数量的未登录词,不足之处是需要大规模的双语句对作为支撑;基于词典的方法可靠性较高,但不能识别未登录词;基于知网的方法一定程度上可以处理语义信息,但词汇量十分有限,义原的定义还有待进一步细化。本文介绍了目前国内外关于词语对齐技术的研究现状,阐述了几种具有代表性的词语对齐方法,分析了它们的理论基础,算法实现和各自的特点。双语语料的词语对齐在很多自然语言处理领域具有十分重要的作用。本文通过对双语语料和各种不同类型算法对齐结果的分析,利用一个语法上潜在的规律指导词对齐的消歧过程。在这种观点的指导下,吸取了目前主流方法各自潜在的优势,提出一个多策略词对齐算法,它融入了基于词典的方法,基于知网的方法和基于统计的Giza++方法。实验表明,该多策略方法取得了很好的测试结果,在对齐结果上F值达到85.15%,较优化后的IBM模型提高近10%。同时,对齐错误率降低10%,在统计机器翻译的实例测试中也取得良好的效果。该方法根据不同算法对齐结果的可靠性和相容性,实现了各种算法的优势互补,实现过程简单有效,并且方便融入更多的词对齐方法。通过对多策略方法的对齐结果进行分析,本文发现错误对齐主要发生在分词出错的地方。为了进一步优化对齐的结果,本文实现了一个字对齐模块,获得了95.01%的F值和0.05的对齐错误率。