本论文旨在研究统计机器翻译中的调序问题。特别地,我们选择了对基于层次短语的统计机器翻译模型的规则选取问题进行研究,这是因为基于层次短语的翻译模型的调序能力主要依赖于层次规则,而统计模型的加入往往可以帮助选择更好的层次规则并带来性能的提升。对于一条层次规则,它包含源语言部分和目标语言部分。源语言部分会引入不恰当的匹配结果,而目标语言部分不恰当的选取会进一步引入调序结果的错误。前人的工作仅仅关注解决源语言规则的匹配或者仅仅关注目标语言规则的选取,但却未曾尝试同时解决这两个问题。本文提出了联合的规则选取模型,同时考虑源语言规则的匹配以及目标语言规则的选取,将这两个问题紧密地关联在一起,在较大的搜索空间中希望找到更好的翻译结果。新模型建立在四个子模型的基础上,并且使用了丰富的上下文信息特征来指教规则的选取。除此之外,我们提出的方法可以在对数线性框架下方便地加入到现有的统计机器翻译系统中。实验结果证明,这种方法不仅可以显著地提高基准系统的性能,而且相比前人工作也有显著的进步。