目前,统计机器翻译取得了很大的成功。甚至已经有可用的领域翻译系统,但就翻译质量上看,翻译的质量还不能达到实用化的需求,而且质量的提高越来越困难,于是大多数的研究者,将重心转移到辅助翻译上,辅助翻译能很好的将多种因素融入到人机交互的过程中。然而,怎样将辅助翻译过程中翻译人员的隐性翻译知识挖掘出来加以利用,是一个非常困难的研究课题。本文通过分析辅助翻译的工作流程,结合某些领域中用户模型应用的基础上,提出一种基于用户模型的无参考译文的译文质量定性评价方法。并将此方法应用到辅助译文的选择上。实验证明,该方法比传统的基于语言学特征的方法更有效,同时,在译文的选择上该方法和人工评价具有一定的相关度。本文的主要工作如下:第一,通过对辅助翻译过程中用户行为的跟踪记录,自动学习辅助翻译过程中的知识,形成错误实例模板库,并将其作为本文的用户行为模型,在此基础上,提出一种基于用户模型的无参考译文的辅助译文评价方法,该方法利用机器学习技术,构建了一个辅助译文评价模型,在模型中除了加入语言学特征(如:词语和词性信息、语言模型等),还加入了用户行为特征,是从用户模型的角度对辅助译文进行的评价。第二,本文在基于用户模型的辅助译文生成技术研究中,通过对辅助译文的打分映射,将打分值归一到合理的范围,这样就可以对多个系统的同源译文进行打分,选取和生成最优译文,并且打分的结果同人工评测具有一定的相关性。