机器翻译是利用计算机系统在自然语言之间进行自动转换的过程,是信息时代跨语言交流的一项重要工具。多年来,机器翻译领域的研究取得了长足发展,但机器翻译系统的译文在很多应用场合依旧远未达到令人满意的水平,原因之一是统计机器翻译技术中存在一系列尚待有效解决的困难问题,如何更好地解决这些问题对机器翻译的研究有着深刻的影响。本文针对机器翻译中的一项重要的困难问题,即调序问题进行深入研究。调序问题来源于自然语言之间的语序和句法间的差异,选择正确词序的能力对机器翻译系统的译文质量有着显著影响。本文从预调序的角度入手,对调序问题及相关的语言现象进行分析,并结合机器翻译系统的原理和特性,在总结国内外现有的预调序方面的研究成果的基础上,提出了两种用于基于短语的机器翻译系统的预调序方法。本文首先提出一种基于词对齐的调序方法,该方法使用词对齐信息抽取调序所需的结构化数据,并用于训练调序模型,因此不依赖于源语言句法分析器,可应用于资源匮乏的语言。之后,本文结合具体语言对的特点以及语言学知识,提出了一种基于句法的调序方法,在本文提出的调序概率模型框架的基础上,将概率统计方法和语言学规则方法予以结合,以在树库等语言学资源存在时取得更好的调序性能和翻译质量。本文通过对调序模型的调序性能和基于调序模型的翻译系统的译文质量进行评测,并通过实验结果证明了本文提出的调序方法的有效性。