命名实体翻译是跨语言信息抽取、机器翻译等跨语言信息处理领域的一项重要任务。命名实体因类别不同采用的翻译方法不同,人名、地名主要采用音译,组织机构名主要采用音译与意译相结合的方法翻译。本文主要针对英汉人名的统计翻译模型方法和基于网络的英汉人名和组织机构名的翻译挖掘方法进行研究。论文的主要内容归纳如下:基于统计机器翻译与基于机器学习策略的英汉音译模型构建方法基于统计机器翻译的音译模型将音译问题映射为句子翻译问题,采用基于短语的和基于N-Gram的机器翻译方法构建音译模型。基于机器学习策略的音译模型将音译问题映射为标注序列问题,采用条件随机场和最大熵两种机器学习方法构建音译模型。对比以上几种音译模型,基于条件随机场的音译模型准确率最高。基于音译与网络的英汉人名翻译挖掘方法本文将统计模型的结果应用到网络挖掘中,通过构造启发式查询扩展获取质量更高的摘要资源,改善网络挖掘翻译的结果。对比基于统计模型的音译方法和基于网络的翻译挖掘方法,实验结果显示基于网络挖掘的翻译挖掘方法具有较高的性能,该方法修正了基于统计音译模型翻译结果中部分汉字不正确的情况。基于网络的英汉组织机构名翻译挖掘方法本文采用基于对齐锚点左右扩展的对齐方法对齐组织机构名双语对语料,然后从对齐结果中抽取组织机构名内部词汇和短语翻译词典。采用该词典作为查询扩展来源从网络中抽取翻译。对比基于网络的翻译挖掘方法和基于短语的统计机器翻译方法,基于网络的翻译挖掘方法性能较高。