双语训练语料作为统计机器翻译系统的不可或缺的知识来源,直接影响系统的翻译性能。一般情况下,训练语料的增加可以使系统翻译性能上升。但是随着语料规模的增加,系统的训练和解码代价也增加,同时语料中的噪音数据也会影响系统的性能。本文主要从句对质量和覆盖度两个方面,讨论面向统计机器翻译的训练语料的选取问题。目的是在不降低系统翻译性能的前提下,缩小训练语料的规模,降低系统训练和解码的代价。首先,本文提出了多个句对质量评价特征,从句子流畅度、句对互译程度等方面评价训练语料中双语平行句对的翻译质量。并通过线性模型,将各个评价特征整合统一,采用Pranking算法在标注集合上,自动获得各个特征权重。实验证明,本文提出的句对质量评价线性模型可以有效区分不同质量的翻译句对,准确率可以达到83.56%。然后,本文提出面向统计机器翻译的训练语料选取模型,在这个模型中本文同时考虑了句对的翻译质量和覆盖度。在CWMT和NIST两个数据集上的实验证明,当选取的训练语料子集规模达到原始语料的20%时,可以获得原始语料作为训练集时97%的性能；当选取的子集规模达到30%时,能够获得同原始语料相同甚至更高的翻译性能。最后,本文尝试将语料质量评价结果直接应用于机器翻译模型的训练中,以提高系统的翻译性能。在实验中发现,采用这种方法确实可以提高机器翻译系统的性能,但是效果有效,有待进一步的研究。本文的工作是对统计机器翻译系统语料选取工作的初探,包括语料打分(句对质量评价)和语料选取的相关工作。未来会进一步包含语料处理的相关工作,并向翻译模型适应方向发展。