在平行语料库的研究和利用成为语言学的研究热点的时候,如何搜集平行语料这一前提性工作却为研究者所忽略,本文就是在这一领域内的探索和尝试。 本文首先分析了汉英双语网页中的平行语料资源,提出通过提取相同事件文本对(SETP)来帮助研究者大规模高效率的获取平行语料资源。在分析汉英SETP的特点基础上,认为命名实体能够很好的代表文本主题,可以通过命名实体的对应度计算来提取SETP。 本文基于汉英SETP提取中命名实体相对应的情况,深入分析了《知网》的义原、概念、词汇之间的关系,提出了利用《知网》进行汉英词汇对应度的方法。另外充分利用现有资源,提出了利用人名、地名表、汉字拼音表解决未登录的命名实体,主要是音译词的词汇对应度的计算方法。 我们还精心构造了命名实体结构,用它来表示一个文本,从而将相同事件文本对的提取工作转变为命名实体的对应度计算工作,并且设计了一套计算公式,得以更好的反映不同命名实体在文本的不同部分的重要性的差异。 本文的这些思路和方法在我们的实验结果中得到了证实,我们构建的从汉英双语网页中提取SETP的系统性能良好,实验结果令人鼓舞,最终汉英提取SETP正确率达93%。