随着国际交流的日益频繁和我国一带一路战略的推进,机器翻译技术有效地缓解了不同国家和地区人民交流和沟通中的语言障碍。近年来,研究提高机器翻译系统输出译文质量的途径是机器翻译领域的热点之一,对其进行研究具有很强的理论价值和实践意义。本文提出了基于神经译文质量估计的多候选译文的重排序方法,利用最新的联合神经网络译文质量估计方法来提高机器翻译输出译文的质量。为了验证联合神经网络译文质量估计方法可以代替译文自动评价方法准确地进行译文重排序,我们在WMT19译文自动评价任务上进行实验,实验结果表明联合神经网络译文质量估计方法可以获得与有参考译文的译文自动评价方法相媲美的性能,这说明了联合神经网络译文质量估计方法可以对同一源语言句子的多个输出译文的质量进行排序。本文主要提出了基于神经译文质量估计的译文重排序方法。同时为了进一步提高译文重排序的效果,我们近似以译文质量估计得分为似然概率,以翻译系统在开发集上的性能为先验概率,计算译文的贝叶斯后验概率,并利用后验概率对多个翻译系统的输出译文进行重排序,挑选最优的机器译文。为了验证该方法的性能,我们在CCMT19英汉和汉英翻译任务、WMT18英德和德英翻译任务上分别进行了实验,实验结果表明所提方法显著地提高了输出译文的质量,进一步实验分析揭示了联合神经网络译文质量估计方法在估计多个输出译文质量上的优势。