近几年,随着互联网、计算机性能和自然语言处理能力的逐步成熟,通过全球互联网平台,汇集尽可能多的工作者加入工作队列,并辅助以算法的分析和流程的自动控制,实现众包任务付出更低的成本并取得更好的结果,成为一个研究的热点,这也是群智协同计算的重点研究内容。在众包协同翻译中,众包工作者的筛选和质量控制是快速取得较好翻译结果和控制成本的关键。如何快速精准的分配任务,以及如何对翻译文本进行质量把控,将作为重点内容进行研究。本文以泰语与汉语互译为例,研究基于工作者特征的众包翻译工作者筛选模型构建方法,并进而设计完成一个基于协同计算的众包翻译系统模型和框架,对关键技术和模块进行实现,最后使用实验检测的方式对筛选模型和质量评价做可行性分析。在任务分配方面,本文通过层次分析法(AHP)建立工作者筛选模型,并据此发现最合适的工作者和任务的动态匹配,与基于历史信息的分配方式相比,解决了“冷启动的问题”,模型在初期可以根据初始数据进行工作者和任务的客观分配,在模型后期,随着工作者信息的不断反馈,使得分配效果更加显著。在译文质量控制方面,本文采用基于BLEU改进算法对泰语进行质量评估,其中通过分词技术和同义词替换，使得该评价算法在评估泰语中灵活性和准确性有了明显提升。在最后,将工作者筛选模型和译文自动评估技术充分应用到众包翻译系统中,有助于快速甄别工作者,并获取更高质量的工作结果,解决一方面依托专业翻译成本过高,而另一方面依托机器翻译又质量太低的问题。