近年来,随着神经网络机器翻译的快速发展,机器翻译广泛应用于翻译行业,并得到了客户的认可。机器翻译的优势不言而喻,其翻译速度让人工翻译望尘莫及。然而,机器翻译的缺陷也很明显,其准确度仍然无法与人工翻译相比。译后编辑的介入,可以在保留机器翻译速度优势的同时,提高译本的准确性。因此,机器翻译与译后编辑相结合的模式受到行业青睐。基于MT+PE翻译模式下的政经类文本翻译实践,本报告旨在探讨该类报告机器翻译时常见的错误,并基于莱斯的文本类型理论提出相应的译后编辑策略。本次翻译实践的英语文本源自《2020年APEC经济政策报告:关于结构改革与妇女赋权》的第一章内容,总字数约为一万两千字。英文原文长句多,术语和缩略语丰富,句子结构复杂。笔者选取该翻译材料的一部分内容,应用百度翻译,有道翻译以及谷歌翻译三大在线翻译软件进行试译,最终选取试译效果最佳的百度翻译作为此次机器翻译软件。笔者发现,百度翻译的错误主要集中在词汇、句法、语篇三个层面。词汇错误主要有错译,漏译,欠译和过译;句法错误主要有错译,漏译和词序不当;语篇错误主要有格式不一致,冗余和缺乏连贯性。通过对机器翻译产生的错误类型进行数据分析,笔者发现词汇层面的错误远多于句法和语篇层面的错误,常见的错误类型有错译,词序不当和欠译。笔者认为在译后编辑的过程当中,将机器翻译的结果和原文的真实涵义进行仔细对比,充分发挥“词义转换、句子结构重组、增补及删减”等翻译策略可以较好地应对机器翻译产生的常见性错误。