机器翻译是自然语言处理的一个重要课题,随着互联网的发展,社会越来越需要找到一种快捷的方式沟通不同语言的人群。美国国家标准技术研究院(NIST, National Institute of Standards and Technology)更是设立了每年一度的机器翻译竞赛,包括我国在内的众多国家,也都有每年一度的专题学术会议。一大批公司的研究院,以及世界著名大学的研究人员在这个领域的研究上不断推进,向着无障碍多语交流前进,但是当前机器翻译仍然面临着诸多挑战,比如词语对齐、词序调整、语义评价等,而具体到基于实例的机器翻译,如何获取翻译信息,进行有效的类比翻译,也是一项重要的研究课题。本文的研究工作正是在这样的背景下进行的。本文研究的贡献在于,提出了一个可以更容易用于类比翻译的多层对齐框架,这个框架包含三个不同层次的对齐、语法信息和相关性参数,并实现了这个框架;提出了使用这个框架进行基于实例机器翻译的步骤和算法,而且也实现了使用这个框架进行基于实例的机器翻译原型系统。多层对齐框架作为一个用于基于实例机器翻译的对齐框架,同时也考虑了扩展性与完备性,我们同时给出在不同条件下(如缺少语法分析器)的替代方案,和这个框架各个接口的定义与扩展方法。初步实验结果表明,本文提出的多层对齐框架,具有较好的对齐率,尤其是可用于进行类比的对齐强度和相关性系数的准确率达到了90%以上。使用这个多层对齐框架实现的EBMT翻译系统原型,在性能上接近国内优秀的机器翻译系统,BLEU(BiLingual Evaluation Understudy)成绩达到0.2966。同时也证明了丰富的对齐信息,有利于译文的生成。