随着计算机技术的高速发展,统计机器翻译展示了日益广阔的应用前景。基于短语的统计机器翻译系统在抽取短语时往往将任意连续的单词看作短语,由于没有考虑短语的合理性,因此会产生大量冗余的短语。这不仅扩大了系统的搜索空间,还严重影响了翻译质量。针对以上问题,本文重点研究如何有效地提高短语的质量。本文首先分析了统计机器翻译的相关原理和各种技术,并在此基础上构建了一个基于短语的统计机器翻译基准系统。然后使用C值和短语粘连度两种方法对短语的合理性进行评分,再据此构建一个更有效的短语翻译概率表。实验结果显示,使用C值方法将短语翻译概率表缩减至78%时,翻译结果的评价指标BLEU值可以提高0.02;使用粘连度可以使短语翻译概率表最小缩减至47.5%,翻译结果的BLEU值可以提高0.0158。另外,本文还将主题模型应用于统计机器翻译系统。训练时为每个短语确定一个主题分布,在翻译时再过滤掉与主题不相关的短语,从而提高翻译性能。实验结果显示,跟基准系统相比,采用主题模型后可使BLEU值提高0.0136。最后,本文还将短语的主题模型和C值方法结合起来,在保留短语有效性的同时对短语翻译概率表进行进一步的缩减。实验表明,当短语翻译概率表缩减为原来的57%时,最终的BLEU值仍有一定的提高。本文的研究和实验表明,使用这些方法可以有效地缩减并优化短语翻译概率表,从而明显改善翻译质量。将主题模型应用于机器翻译是一个全新的尝试,今后我们将进一步探讨如何在统计机器翻译中更好地发挥主题模型的优势。