传统的翻译记忆系统由于翻译记忆库的规模以及翻译任务的文本重复率有限,只有在进行特定翻译任务时才能较好发挥翻译记忆的优势。而面对大规模并且不限定领域的翻译任务时,往往由于翻译记忆库的不完备导致翻译能力受限。本文通过在统计机器翻译系统中融入翻译记忆系统的相关信息,提出了一种融合统计机器翻译和翻译记忆的整合式模型。和目前的统计机器翻译系统不同,本文首先以待翻译文本为依据,在翻译记忆库中检索匹配到相关片段作为参考。将参考的翻译记忆和待翻译文本同时输入到翻译系统中,通过参考翻译记忆片段对解码过程进行指导,对解码过程中的翻译候选进行重排序工作,使得和翻译记忆片段含有共现词的翻译假设获得较高得分,从而有更大概率出现在系统最终翻译结果中。本文系统以IWSLT2010评测数据为数据集,在性能上高于传统的翻译记忆系统以及统计机器翻译系统。系统的最终翻译结果在流畅度上要优于统计机器翻译系统结果,同时不需要人工介入即可应用翻译记忆内容,具有较好的应用前景。