目前的翻译自动评测方法普遍针对的是机器翻译,通过计算候选译文和参考译文的相似度来实现不同系统性能的对比,但是这种策略对于无参考译文的人工翻译或者机器辅助翻译来说是不可行的,而采用人工评测需耗费巨大的经济和时间成本,所以针对人工翻译或机器辅助翻译,如何实现一种有效的自动评测方法成为一个研究热点。本文在调研现有的机器翻译评测方法的基础上,提出一种基于SVM的无参考译文的质量定性评价方法。与传统的通过计算候选译文和参考译文的相似度的评测方法不同,首先对译文中的句子按照是否存在错误以及错误类型进行分类,然后根据分类结果对译文打分并进行定性的质量评测,实验表明该方法和人工评价有一定的相关性。本文的工作还包括:1.提出一种基于条件随机场的冠词选择问题的解决策略,针对传统的基于规则和机器学习的方法只考虑名词短语前冠词选择的问题,本文将该问题形式化的描述为一个序列标注任务,充分利用词、词性等多层次特征,并引入相邻词的互信息,采用条件随机场来实现冠词的选择。2.实现了基于词典的单词拼写错误的检查,并且对于发现的单词错误采用基于编辑距离的思想进行错误提示,可以自动的对大批译文进行检查。3.在分析专利译文句子结构特点的基础上,实现了主谓一致错误的检查,通过构建句子的句法结构树,分析出谓语动词对应的主语部分的中心词,来实现主谓一致性错误的判断。以上研究在翻译工作的译文抽检和译后校对系统中应用,表明可以有效的发现译文中错误,并在一定程度上提高翻译质检的效率。