计算机技术的快速发展改变了译者的工作方式,越来越多的译员选择采用人机交互的翻译模式来提高翻译效率。谷歌神经网络翻译(GNMT)采用强大的神经网络翻译系统,能够快速、便捷、高质量地完成语言间的转换,是多数译者进行人机交互翻译时的首要选择。但由于新闻文本的翻译有准确性和流畅性的要求,谷歌神经网络翻译由于部分数据库建设不完备和算法问题,产出的译文仍存在问题,并不能直接投入使用。因此,以谷歌神经网络翻译为工具的人机交互的新闻翻译过程仍需要人工编辑的参与。本文以谷歌神经网络翻译系统为工具,以新闻文本的英译汉为例,选取中国日报英语点津网站的双语新闻为样本,首先对216句英语新闻的谷歌翻译结果和人工译文进行了逐句对比研究。在对比过程中对各类典型错误进行了标记,建立起了基于词汇错译、句法错译和符号错译的谷歌神经网络翻译新闻英译汉的三级错误模型。根据此模型,统计各类错误发生频率,分析错误根源。本文在三级错误模型的基础上,对于部分可预知的错误,提出了预翻译、歧义消解等有针对性的译前编辑方法,大幅度减少了译后编辑的工作量和时间消耗。对于无法预测的错误类型,提出检查术语、检查时态、省略和增补等译后编辑方法,改正译前编辑遗漏的错误。通过分析与总结,本文分析了谷歌神经网络翻译进行新闻英译汉翻译时的高频错误及其根源,并针对缺陷提供了有效的人工编辑方法,为人机交互翻译方式在新闻英译汉领域的效率提高提出了新的思路。