随着互联网的发展,广泛可用的数据正呈爆炸式增长,人类进入大数据时代,大量的英文信息给用户带来信息冗余问题,对用户浏览信息、筛选信息造成一定的困难。同时,在英文翻译成中文问题上,准确性有待进一步提高。因此,对英文文本信息进行摘要,并准确地翻译成中文,帮助人们有效、快速地获取英文文章重点以及核心知识显得十分重要。针对以上问题,本文设计并开发了基于机器学习的英文文本摘要与翻译系统,能够帮助人们快准确、高效地获取英文文本的关键信息。针对翻译准确性不高的问题,本文所使用的模型优化策略及数据增强策略能够提高翻译的准确性。即,模型参数方面,调整模型训练时的batchsize等参数,以及预测时的alpha值和beamsearch值,能够提高0.7%左右的BLEU值;模型结构方面,通过复现Transformer多层表示融合,能够提高0.77%的BLEU值;数据增强方面,通过“回译”的方式,能够提高0.5%的BLEU值。同时,本文所构建的“神经机器翻译、统计机器翻译、词表”翻译系统,能够进一步提高翻译的有效性。其中,神经机器翻译使用tensor2tensor中的Transformer,统计机器翻译使用moses中的IBM model5。针对快速获取英文文本核心内容问题,本文结合无监督机器学习Textrank进行抽取式文本摘要,能够有效地将抽取出长文本的关键信息,并经过翻译系统,将英文更为准确地翻译成中文,帮助学习者提高学习效率。本文以机器翻译为背景,并结合了文本摘要技术,解决了人们低效获取英文文本重要信息的问题,也能够为后续的多领域技术结合提供参考。