随着日益频繁的国际交流和互联网蓬勃发展,不同语言的之间的沟通也越来越重要,由此推动机器翻译的迅速发展。近十年来,统计机器翻译取得了很大的成功,成为了机器翻译的主流方法。基于短语的翻译模型超越了最初的基于词的翻译模型,在近期的机器翻译评测中屡次取得领先成绩,成为统计机器翻译的主流技术。而基于短语的翻译模型不能很好的处理长距离的调序问题,很多学者开始把语言学信息引入到翻译模型,基于句法的翻译模型成为了研究热点。本文主要针对层次短语翻译模型进行了研究,并且通过句法信息的指导,使翻译的质量得到显著的提升。首先,本文对基于同步上下文无关文法的层次短语翻译模型进行了全面的阐述,介绍了上下文无关文法的相关理论,实现了层次短语模型的训练过程,包括规则抽取和规则打分,并用实验验证层次短语规则抽取的的限制对翻译性能的影响;本文还实现了层次短语模型的解码器,介绍了解码器中使用的数据结构和高效的算法,通过对层次短语类型的分类分析,得出层次短语规则的优越性,并与基于短语的系统Moses进行了对比,分析对比这两种模型的内在性质。其次,本文在层次短语翻译模型的基础上加入了语言学信息。介绍了基于句法的翻译模型和树转录机的相关理论;为了加入句法信息对解码过程的指导,本文先对源语言进行句法分析,从而得到翻译规则满足句法的一些信息,然后用软约束的方法加入到层次短语模型,运用最小错误率训练重新调整参数,并用大量的实验来验证句法信息对系统性能的作用。最后,本文介绍了基于最大熵的规则约束模型。介绍了最大熵模型的原理,框架和优点;如何运用最大熵来建立规则约束模型,我们在训练的时候得到具有语言学信息的样本,然后用最大熵模型训练出规则约束模型,和其它模型一样纳到对数线性模型的框架内,并且用实验验证了该模型的有效性。