进入九十年代以来，INTERNET以前所未有的速度迅猛发展，它正在深刻地改变着人们的生活方式。但是，互连网上的语言障碍却时刻困扰着我们，语言问题已经日益成为束缚INTERNET发展的最主要因素。 机器翻译在解决网上语言障碍问题上有着得天独厚的优势。市场上出现了许多网上在线翻译系统，它们通过内置的翻译引擎将网上的外文信息自动翻译成用户的母语，从而部分解决了INTERNET上的语言障碍问题；但是，由于机器翻译固有的困难性，目前这种完全自动的翻译系统还很难达到用户对翻译质量的要求，译文经常错误百出，难以令人满意。 解决网上语言障碍的另一种办法是通过一些翻译机构，他们定时下载一些外文页面，经过专业翻译人员进行翻译之后再将译文上载。这种方法能够保证译文的质量，但是翻译完全是由手工完成，效率难以保证。 为了解决上面两方面的问题，我们提出了交互式多策略机器翻译(IHSMT)的思想。系统综合了以上两种方法的优点，提供了一套完善的人机互助的翻译机制，因而能够快速高效地得到较为准确的翻译结果。另外，在系统中集成了RBMT和CBMT两种翻译策略，实现了二者的优势互补。实践证明，本系统的翻译效果较之其它单一策略的系统有了明显提高。 本文以交互式多策略的思想为背景，主要对系统CBMT翻译引擎中模式库的设计与实现问题进行了探讨。 首先，提出了一种基于信息熵的属性相似度权值计算方法，使属性权值的设定具有很好的客观性，避免了主观设定权值带来的的不准确因素。 其次，提出了面向对象的分类模式库的思想，有效地对模式库进行了组织，方便了模式库检索，添加等操作的实现。 最后，提出了系统知识库的三种知识获取机制：手工添加，通过机译生成信息以及通过人工双语语料。本文着重对后两种知识获取过程进行了研究。并且，根据知识库的正确性和精练性的要求对模式的入库过程进行了探讨。