机器翻译作为计算机自然语言处理的一个重要分支,其研究具有重大的社会经济价值。基于实例的机器翻译(EBMT)作为一种经验主义的方法,避免了复杂的深层次语法和语义分析,为机器翻译的发展指出了一条新路。本文首先回顾了机器翻译的发展历史,并详细描述了机器翻译研究的现状。介绍了当今机器翻译领域的主要理论和方法,尤其是九十年代以来产生的新的基于语料库的方法,比较了新的经验主义的方法和传统的理性主义的方法的优缺点,讨论了机器翻译研究的发展趋势及其应用前景。本文着重对基于双语对齐树库的EBMT方法进行了介绍。双语对齐树的引入使得EBMT系统的适应性和准确性得以提高。树对齐兼顾了单词对齐和结构对齐的特点,树的结构可以有效地表示语句中包含的结构信息和语法信息。本文对几种重要的基于双语对齐树的EBMT模型作了介绍。接着本文介绍了EBMT系统的标注集和标注规则,以及对齐的方法和对齐关系的表示。系统使用基于可扩展标记语言(XML)的文档作为双语对齐树库的存储结构和表示方法。另外本文还给出了EBMT系统的翻译算法。本文实现了一个基于双语对齐树库的EBMT系统,该系统使用VC进行开发,并通过微软提供的MSXML解析器对作为例句库的XML文档进行操作。本文还介绍了在EBMT系统实现过程中遇到的一些问题及解决的办法,或是提出了可能的解决问题的方案。最后,本文给出了对该EBMT系统翻译性能进行测试的结果,分析了该系统的优缺点以及系统中存在的不足,总结了实现过程中的经验,并对EBMT系统未来的发展前景作了分析和展望。