【摘要】由于能够捕捉语言的内在规律，词向量在自然语言处理任务中得到广泛应用，通过跨语言词汇对齐能够将词向量的应用推广到跨语言情境中。文章在词汇深度表示学习的基础上通过改进生成对抗网络结构，提出一种新的词汇对齐模型(Word Alignment Model, WAM)。为验证模型的有效性，在三组跨语言语料数据集上进行对比实验。与最好的无监督方法相比，WAM模型在P@1上提升0.25%，在P@10上提升0.46%。实验结果表明，通过改进生成对抗网络，能够以无监督的方式更好地实现词汇的跨语言对齐。研究结果对完成领域知识的跨语言迁移，解决跨语言情感分析、信息检索和问答系统等跨语言信息处理任务有重要意义。