统计机器翻译近二十年来在机器翻译领域取得了巨大的成功,在大规模公开评测中,基于统计的方法相比其他机器翻译方法显示出了明显的优势,已成为国内外研究的热点。通过对双语语料库的统计分析,能够自动地学习如何进行翻译,因此对统计机器翻译的研究具有重要的理论意义和实用价值。解码算法作为统计机器翻译的重要组成部分,基本思想就是根据统计模型,在目标语言的词汇空间内,查找评分最高的翻译结果,其性能直接影响着最终译文的质量和翻译效率。本文主要对统计机器翻译中基于短语和基于句法的翻译模型的解码问题进行了研究,分别根据翻译模型的特点采取有效的评分策略,选择合理的启发式信息,应用柱搜索策略,在不显著降低译文质量的同时提高解码效率。本文主要进行了以下几个方面的工作:(1)基于短语的统计翻译模型解码器的研究。在此,重点研究了启发式函数,以及在基于短语的统计翻译模型的解码中的应用研究。在已知基于短语的统计翻译模型和语言模型的基础上,综合考虑解码过程的翻译历史和对未来翻译代价的合理估计,作为对整个翻译假设的耗散值,更合理的指导翻译的过程;同时利用柱搜索来限定已扩展相同中文词的假设的数目,从而进一步缩减扩展时的搜索空间,以达到加快搜索速度的目的;(2)基于句法的统计翻译模型解码器的研究。在Yamada和Knight提出的基于句法的统计翻译模型的基础上,加入语言模型,利用句法分析的方法进行解码,以实现源语言到目标语言的翻译过程。在搜索的过程中,同样采用了柱搜索的方法,保存概率最大的n条产生式规则作为下一步推导的基础,自底向上形成一棵英文的句法分析树;(3)两种解码器的翻译实验。采用2005年863的评测语料对解码器的翻译性能及译文质量进行了评测,并对实验结果进行分析。实验表明:基于短语统计翻译模型的翻译性能和同类最好的系统相当,明显优于基于句法模型;基于句法的统计翻译模型在处理句子结构问题上有一定的优势,模型使用参数较少,值得进一步的研究。