统计机器翻译,又称为数据驱动的机器翻译。该方法由于能够自动从大规模双语数据中学习翻译知识,无需人工干预,且翻译效果优异,成为目前最为主流的机器翻译方法。然而,在实际应用时面临着有些语种之间双语平行语料资源缺乏的问题,为此研究人员提出了基于中间语(轴枢语)的统计机器方法。该方法的核心思想是,利用第三方语种(可多个)作为桥梁,间接地实现源语到目标语的平行关系。这里第三方语种需要满足该语种与源语和目标语之间均存在大量的双语平行数据。一般来说,英语是使用最广泛的中间语媒介。在传统的基于中间语的统计机器翻译中,主要分三种方法:语料级的合成法、句子级的转移法、短语级的融合法。其中,融合法由于高灵活性和优异的翻译性能,成为目前最主流的方法。然而,在传统的融合法中,面临着源语短语信息丢失、生成的短语表中噪声严重等问题。为了缓解上述问题,本文提出了一种基于短语级转移法和融合法的策略,该方法通过质量控制因子的概念,识别在应用融合法时翻译可信度较低的推导,并将这些推导中无法使用的高质量短语重新解码,生成相对高质量的翻译规则,从而达到改善翻译规则、扩大了短语表召回率的目的,进一步提高整体的翻译质量。在以英语为中间语的德-汉翻译任务中,本文使用了近千万的大规模实验数据,验证了文本提出的方法的性能显著优于传统的转移法和融合法,证明了本方法的高有效性。