随着国际间信息交流的日益增多和国际互连网的发展和普及，语言交流的障碍成为一个越来越突出的问题。机器翻译的发展和日趋成熟为解决这一难题提供了良好的契机。它不但具有重大的理论研究意义，而且在商业信件、商业报告、技术文档的翻译以及应用于商业和旅游的语音翻译中具有广阔的应用前景，是国际上激烈竞争的高科技研究领域之一。 迄今为止，机器翻译已经历了近半个世纪的发展，适应信息处理和网络发展的需要出现了各种不同应用类型的翻译系统，如在线翻译、领域受限翻译和机助人译等。但从翻译的效果和人们对翻译的需求来看，这些系统还远远不能满足实用化的要求，它们都存在共同的问题：1)翻译质量差，需要人做很多繁琐的译后工作；2)机器不能积累经验逐渐增强自己的工作能力，总是重复同样的错误。 人机互动的多策略翻译(IHSMT)系统正是为解决这些问题而设计的。该系统通过引入人机互动在人和机器之间建立了一种良好的互助合作关系，不但可以帮助解决机器翻译固有的一些难题，而且使反馈学习成为可能。同时，它综合运用了基于规则和基于范例的推理技术，有机地实现了一种多策略的翻译机制，克服了单一策略翻译方法的缺陷。本文对系统中的学习机制进行了研究，提出了人机互动的跟踪记忆学习模型，通过机器学习把人机交互的信息作为翻译的可类比事例存储在记忆库中，从而不断地积累知识来增强翻译系统的智能。 基于所记忆的可类比事例，在跟踪记忆学习的过程中本文采用了懒惰学习的策略，对所记忆的事例进行比较和分类，并在记忆库中形成不同抽象层次的语法、语义特征。这不但便于相似模式的检索和比较，而且能够根据一定的规则从具体事例中抽取出复杂特征模式，扩大事例的应用范围，从而在一定程度上节省了系统的存储空间。生存有效期测试的引入有效地限制了记忆库的增长。 基于范例的推理采用匹配类比方法，从句法功能相似的角度抽取出所比较事例的功能词和句法特征，作为检索记忆库和相似度计算的依据。然后，本文提出了一种基于多功能层次和单词驱动相结合的混合式匹配算法，在匹配的同时建立模式之间的差别函数。匹配的结果表明，这种类比