双语词汇的构建是自然语言处理领域一项很基础的工作。双语词汇的好坏直接影响到机器翻译、跨语言检索等自然语言处理系统的性能。像人名、地名、机构名、技术术语以及各类新词经常出现,且无论多么庞大的双语词典也无法将这些词语收录完全,这些词语称之为未登录词。随着时间的变化,不断有新的未登录词出现。在机器翻译、跨语言检索等自然语言处理系统中,为了正确翻译这类词语,需要不断的更新系统的翻译词典。总的来说双语词汇的构建需要解决两方面的技术:一,未登录词的获取;二,未登录词译文的获取。本文将在如何解决这两类技术问题上做一些研究工作。本文实践了基于基本短语识别的未登录词获取技术。首先标注出文本中的基本短语,然后对于不在翻译词典中的词语视其为未登录词候选。对于基本短语的识别,采用了基于组块模型的统计识别方法。基本短语识别实验所处理的语言为英语,但我们这一方法是语言独立的,可以移植到其他语言。未登录词中含有大量音译词。对音译词译文的获取可以采用特殊的方法处理,如运用专门的音译模型。但这首先要做的工作是识别音译词。本文提出了两个统计模型,用于音译词识别。实验显示,这两个模型的识别精确率达到97%以上。同样,我们对直译词意译词的识别也做了研究。本文以最大熵模型作为分类器,以词语的构词特征作为分类特征,通过实验得出了一些有用的结论。最后,本文对如何从可比较网页中获取未登录词译文做了研究。依据源语言词与目标语言词的上下文相似性大小来判断是否为互译的翻译对。本文分别运用了DICE相关系数,条件概率值作为上下文相似性的评价尺度。