统计机器翻译是自然语言处理研究热点之一,本文研究如何利用句法信息和形态信息构造短语翻译模型,以提高短语翻译系统的性能。句法分析是自然语言处理的关键问题之一,同时也是本文所构造的翻译模型的基础。本文构建了基于统计的汉语依存句法分析器,提取了由该分析器得到的句法信息,阐述了句法特征和语言形态特征提取方法。在此基础上,构造了基于形态句法信息的翻译模型,实现了一个基于短语的汉蒙翻译系统,并给出了句法分析器与翻译系统的实验结果。本研究工作的主要贡献如下:1、句法分析器的模型设计句法分析是自然语言处理的基础工作之一,如何选取句法特征和降低搜索时间复杂度是进行句法分析的关键问题,本文提出利用生成树算法结合概率配价理论方法构造句法分析器,实现了MIRA训练算法。实验表明,此设计方法提高了汉语依存句法分析器准确率。2、句法与语言形态信息提取当前短语统计翻译模型仍然是主流,但此翻译模型对语言信息(句法、语义、形态等)没有较好的融合能力。本文提出将句法树信息和形态信息以标注方式融到每个词或者短语中,在翻译模型构造上实现了规则与统计相结合和词、短语、句法三层面信息的融合,有利于提高译文质量。3、翻译模型构造方法由于句法与形态信息的加入,使Factors数量增多,原有Factored模型会导致数据稀疏,模型训练也会出现过度拟合现象。本文采用对数选项池方法构造了LOP-Factored模型,并实现了参数调整,找到词,词性、句法、形态等各个Factor之间的平衡点,实现模型优化。在汉蒙统计机器翻译对比实验中,BLEU评分比传统短语统计翻译模型有明显提高。