机器翻译是计算机语言学的附属领域,指利用计算机软件进行自然语言间的翻译。简单来说，机器翻译是一种自然语言通过计算机转换为另一种语言的过程。本文详细介绍了自然语言处理技术中基于规则的理性主义方法和基于统计的经验主义方法。基于规则的机器翻译方法包括1)直译法，把原语的词或句子直接进行语序调整后替换成译语的词或句子；2)转换法，把原语转换成原语的内部表达，再把原语内部表达转换成目标语内部表达，最后再根据目标语的内部表达转换成目标语;3)中间语法,它需要更为彻底的源语言分析，分析原语的句法结构把原语转化为一种适用于任何语言的中间语表达式，然后由中间语表达式生成需要的目标语。基于统计的机器翻译方法包括基于信源信道思想和基于最大熵思想两类。前者将翻译的概率表现为语言模型和翻译模型，翻译系统要解决的问题就是计算语言模型，计算翻译模型，最后在所有可能的翻译模型中找到最佳值。后者是利用实数值特征函数的线性关系组合排列找到最佳目标语译文。其中基于信源信道的翻译方法可以分为基于词，基于短语以及基于句法的统计机器翻译方法。之后，本文介绍了基于这两种翻译方法的国内外机器翻译产品。通过对这些机器翻译的测评，探讨机器翻译研究中基于规则的方法和基于统计的方法的优缺点。规则方法对抽象的语言特征具有很强的形式描述能力和形式生成能力，在自然语言处理中具有解决浅层到深层多层次问题的能力。但是，规则方法需要语言学家对繁杂的语言现象进行大量的分析,语法分析任务繁重,很难用计算机对基于规则的语言模型进行泛化处理。统计方法具有良好的数学模型,无指导的学习能力和较强的知识自动获取能力。但是，统计机器翻译的翻译效果对源语言和目标语言间在语法上的相似度存在一定的依赖性,相似度越小,需要调整的参数越多,系统的运行效率越低,改善系统翻译精度的难度系数越大。文章进一步总结了机器翻译发展的困境：基于规则的方法对原语语法分析和生成的规则阐述不够深入，规则的主观性强,规则的一致性难以保障；基于统计的方法则受限于语料库的大小和概率模型的好坏，不够完美。机器翻译是一门跨学科领域，它的成功需要语言学家和计算机专家的通力合作，而两者却各为其政，难以融合语言学家的理论设想和计算机专家的工程实践。鉴于机器翻译的难点所在，文章最后对机器翻译的发展趋势进行了展望：首先，大数据时代的到来为机器翻译的发展带来了大数据技术，即从体量巨大、结构繁多的数据中挖掘出隐藏在背后的规律，从而使数据发挥最大化的价值，实现翻译机器代替人去挖掘信息、获取知识的可能。大数据技术的目标实现与机器翻译发展必然密不可分。其次，虽然有了大数据时代的支持，以统计机器翻译为主流的机器翻译研究领域应该重视基于规则的机器翻译方法，重新认识和研究现存的语法理论，继续对语言进行深入、细致、全面的研究，挖掘语言的规律性、从语言本身寻找出路。最后，未来成功的机器翻译还需要语言学家，计算机专家的通力合作。我们有理由相信人类一定会克服语言障碍，但在全自动、高质量的机器翻译实现之前，还有很多工作要做。