参考以下链接：
http://blog.csdn.net/han_xiaoyang/article/details/10101701
https://blog.csdn.net/han_xiaoyang/article/details/10283995（主要讲的是对齐部分）
根据以上链接 终于把三个工具都安装好了 安装这些东西就是费时还没有营养。。。但是又不能避免。。
这里使用ubuntu作为例子吧，本人比较懒，喜欢使用apt-get命令来安装软件和所需的库，当然，如果是centOS的话，yum也可以有同样的效果，可以配一下软件源
看服务器环境：lsb_release -a
--------------------------------------------------------正题-------------------------------------------------------------------
编译创建好GIZA++后，有两种方式来使用它，一是在编译Moses时将GIZA++的地址作为选项参数。如果在编译Moses时没有指定GIZA++的地址，可以采用另外一个方法，那就是在训练语言模型时指明GIZA++三个可执行文件的路径，例如：
train-model.perl -external-bin-dir $HOME/external-bin-dir
我在实际操作中，采用的是第二种方法，即在使用Moses时，给一个参数指明GIZA++路径。
第二次跑摩西 执行到tokenisation：
一直卡在这里 不知道哪里出错了？？？
-------------------------------------------------------------------------------------------------------------------------------------
之后开始实验部分：
在进行语料训练之前，要先对我们的平行语料做一些预处理，主要包括以下以下步骤：
tokenisation：这一步主要是在单词和单词之间或者单词和标点之间插入空白，以便于后续识别和其他操作。
（由于使用的是CTB语料库，分词已经做完，该步可以省略）
truecasing：初始每句话的字和词组都被转换为没有格式的形式(例如统一为小写）。这有助于减少数据稀疏性问题。
cleaning：长句和空语句可引起训练过程中的问题，因此将其删除，同时删除显不对齐句子删除。
对了，对于平行语料的中文部分的话，在训练之前一定要注意要先分好词，这样后面使用giza-pp进行对齐训练的时候
才能精准对齐词、
词组和短语。我使用的是中科院ictclas分词系统，但是又licence过期的可能，你也可以使用Ansj，
基本是将ictlas用Java重写了一遍，
词库基本不变，分词的程序我可以在之后的文章里给出。
-----------------------------------------------------------------------------------
跑摩西的目的是为了获得双向对齐的预料，是在摩西的训练过程中获得的中间文件。但是摩西系统到最后都没有跑通。
自己编写实现摩西系统中的双向对齐。http://blog.csdn.net/han_xiaoyang/article/details/10283995
一开始为了得到的双向对齐，我是直接将两个矩阵合并，这样分析出来的依存关系的召回率增加了，但是准确率会降低。
实验输入：利用giza++得到的两个对齐输出文档：形如