当今世界，任何一个国家都无法独立发展，各种文化之间的相互影响和渗透越来越大，甚至促进了人类社会的进步。因此，不同语言之间的翻译已成为各国经济、政治和文化交流过程中的关键点。随着全球化的不断深入，各类翻译活动更是如火如荼的开展起来。人们现在不仅需要高效快速的翻译，对翻译质量的要求也是越来越高，这就需要对翻译质量进行评价。过去对翻译质量的评价主要靠人工进行，主观性较强，没有确定的译文质量评价标准，并且面对大量译文时很难及时给出结果。这样效率低下的过程渐渐成为人们进行翻译研究的一个阻碍，所以需要对译文质量进行自动评价。现阶段译文自动评价的研究成果很多都来自机器翻译领域，但是对于人工译文的自动评价研究还比较少，为了提高人工翻译的效率，实现翻译质量的自动评价，本文便对这个问题进行了进一步的探讨。
　　本文首先利用文献分析法对目前国内外学术界关于人工译文的评价研究现状进行了总结，然后通过比较学者之前的研究内容和研究方法，并结合本文的研究任务，从一个全新的角度提出了一种翻译质量评价方法。我们可以观察到，在一些专业领域，翻译者如果没有一定的专业知识，即使语言水平再高，得出的翻译也是生硬的、不符合专业领域表达习惯的，即每个专业领域都有自己的表达习惯。根据这一特点，区别于以往的研究，本文以英汉金融词汇翻译为例，提出一种基于神经网络语言模型的翻译质量评价方法，从符合中文金融术语表达习惯的角度来评价人工翻译结果的质量。主要方法为建立一个翻译质量评价模型。其中神经语言模型采用LSTM,BiLSTM,GRU三种结构构建，以防止在训练过程中历史数据无法影响当前数据而造成效果欠佳的情况。通过困惑度对神经网络语言模型的性能进行评价。在得到语言模型后，由于模型学习到中文金融领域的词汇表达习惯，将人工翻译结果喂给这个模型，就可得到一条输出序列。用编辑距离计算输入、输出字符串或序列的差异程度。通过这个差异，就可以评价金融词汇的翻译质量。
　　在实验部分，首先设计实验考察了各种模型的性能。实验结果证明，基于BiLSTM结构的神经语言模型性能最好。进一步，在本文的研究中人工标注了测试集，对翻译质量评价模型的评价准确性进行评估。实验显示翻译质量评价模型的精确度为95.1%。由实验结果可知，由于使用神经语言模型较好的学习到了金融术语的表达习惯，用计算编辑距离的方式对翻译质量进行评价，最终翻译质量评价模型得出的最优翻译与人工标注的最优翻译基本吻合，证明了该模型的实用性和有效性。