近年来,随着大数据技术广泛的应用,语料库技术在各类语言中快速发展,并在很多领域内取得了巨大的进步。在自然语言处理领域中,中英双语的机器翻译发展迅速,但是英汉双语语料库的发展难点依旧存在,主要是语料收集、语料分词和语料对齐,依旧需要深入研究,每一个过程都可能影响语料库的质量,只有深入研究语料库构建的每个部分,才能更好的构造可利用型的语料库。本文主要是对语料的收集、语料的分词、语料的对齐及语料库的应用等方面做了研究和设计,所以本论文的选题具有很重要的研究和应用的意义。本文的主要工作如下:（1）中英双语语料的收集和预处理。为了提高收集语料的效率,本文设计了一种网络爬虫算法。主要是根据HTML的特点设计爬虫算法,并收集双语语料,最后对双语语料进行预处理,包括字体、段落排版等格式的统一、各种网络标记的清除、英文编码的归一化等。根据实际测试,该爬虫算法极大地提高了在收集语料时的速度。（2）将中英语料库分词。针对传统中文分词在歧义词和未登录词上的难点,本文设计了一种新词识别的算法,来提高传统算法对歧义词和未登录词的识别率。主要是先通过命名实体识别选出部分新词并过滤语料库,过滤完后的语料库利用N-Gram词频统计删除低频词,然后通过计算信息熵和左右邻接熵来进一步筛选新词。将识别出来的新词构造了新词词典,并与jieba分词算法相结合来对语料库分词。本文根据选定的MSR和PKU数据集进行测试,实验结果表明,本文设计的基于词典的改进jieba分词算法在分词准确性和新词识别率上,有较好的提升。（3）将中英语料库对齐,实现中英平行语料库的构建。根据语料库段落特点,本文设计了一种基于段落标记的段落对齐算法,并用余弦相似度来进行检验,将相似度低的进行删减。并在段落对齐后,本文设计了一种增加特征信息的词典的句子对齐算法,首先通过句子的特殊符号来对句子进行划分,然后统计句子在锚点词典和普通词典中的单词匹配个数,进行加权求值,并设置阈值,作为对齐判别条件。根据需要筛选的2组语料数据进行测试,实验结果表明,本文设计的句子对齐算法提高词典句子对齐算法的准确性。（4）建立机器翻译的系统。通过前面构建的中英双语语料库,本文设计了一种基于LSTM神经网络的机器翻译系统,首先利用构造的中英双语平行语料库训练翻译模型,训练完模型后利用Flask将翻译模型打包成API,并构造翻译界面,通过调用API实现机器翻译,通过实际测试,该翻译系统实现了中英翻译。