随着计算机技术和通信技术的迅猛发展，人与人之间的时空距离骤然缩短，尤其是我国加入世界贸易组织(WTO)以来，中国人民与世界人民的距离进一步拉近，全球化进程已使整个世界紧缩为一个“地球村”。在这个“村落”里，各国人民交流日益频繁，这无疑给翻译领域带来了巨大的商机。例如，当跨国公司在全球市场上出售其产品时，往往需要将整套的用户手册翻译成多国语言，以方便各国用户阅读和使用。这些翻译内容往往任务庞大，而传统的人工翻译手段往往速度非常慢，且容易导致同一个技术术语在不同场合中有不同的翻译结果，翻译质量很难保证。为了改变传统翻译行业的生产方式，提高译员的翻译效率和翻译质量，翻译行业进行了大量的信息化建设，其中最引人注目的是计算机辅助翻译技术(CAT)得到了广泛使用。通过大量实践证明，计算机辅助翻译技术的使用能够大大提高译员的劳动效率。目前市场上已经存在的辅助翻译软件，比如Trados、Deja Vu X等，它们虽然较好地实现了辅助翻译的理念，但依然存在两个方面的不足：一方面是对中文支持比较差，不方便中国翻译工作者的使用；另一方面是辅助翻译过程中的每一步都需要人工的干预，这使得这些软件在降低翻译工作者劳动量、提高翻译质量等方面的作用时还不能满足广大翻译工作者的需求。 本文对服务于辅助翻译平台的一致性问题、语料匹配问题和任务划分问题的关键技术问题进行了研究，设计并实现了一个完整的辅助翻译平台。其中基于词效应的术语提取算法用于抽取翻译任务中多次出现的有意义的术语，针对每一个特定的术语给出统一的翻译结果，从而解决翻译一致性问题。实验结果表明：该算法比单纯的基于互信息、T测试度、接续指数等统计方法在准确率和召回率上都有较好的表现。大规模语料匹配算法用于自动从背景语料库中检索出与当前待翻译句子或短语最相似的翻译项，协助用户翻译。该算法先对背景语料库进行粗匹配，从大规模的背景语料库中选择一个规模相对很小的候选集合，对候选集合的每一个结果进行细匹配。粗匹配的速度与语料规模无关，从而大大提高了匹配速度，也保证了准确率和召回率。基于任务均衡的翻译任务划分算法用于将待翻译任务划分为若干难度大致相当的子任务，同时保持子任务的语义完整性，实现翻译团队的协同工作。