本文在分析了有关基本名词短语和最长名词短语结构的基础上,针对两者在机器翻译方面存在的局限性,提出一种新型结构的汉语名词短语,即汉语简单名词短语(简称SNP),旨在减少在机器翻译过程中因短语识别歧义而产生的翻译错误,以提高机器翻译的精度。在SNP识别方法方面,本文提出一种融合统计机器学习与后处理规则的混合识别策略,即在统计识别的基础上,使用后处理规则进行错误修正。在统计机器学习阶段,采用条件随机场(CRFs)序列标注工具进行模型训练。训练过程中,为了获得具有较强预测能力的特征模型,在基本特征模板的基础上,引入了通过多组测试实验得到的效果最优的三元特征模板,形成了统计模型的完全特征模板集。基于CRFs的统计实验结果显示：使用完全特征模板集构建的模型进行短语识别得到的精确率、召回率和F-值分别为88.45%、90.33%和89.40%,较之于基本特征模板,分别提高了0.04、0.05和0.07个百分点。为了进一步提高SNP识别的精度,本文在对统计结果中的存在的错误样本进行归类分析的基础上,结合单字动词功能词典、同义词词林、单词搭配频率等辅助数据资源,针对性地制定了相应的后处理规则,主要包括基于语义相似度的并列型处理规则、基于单字动词功能词典的单字动宾型处理规则、基于程度副词词典的程度副词型处理规则和专名型处理规则,对统计方法中不同类别的SNP存在的错误进行修正。实验结果显示,在融合了后处理规则后,简单名词短语识别的精确率、召回率和F-值分别为90.07%,90.62%,90.34%。与单纯使用统计方法相比,精确率提升1.62%。