随着网络的飞速发展与全球经济的一体化,人们越来越重视语音机器翻译的研究与应用。口语对话语句的显著特点是没有标点符号,不能明确句子的边界及非规范语言现象。机器翻译对这样的语句翻译效果很不理想,因此,为了提高机器翻译质量,需要对口语对话语句进行预处理,而加注标点是预处理的重要组成部分。本文在分析各种统计语言模型的基础上,提出了基于最大熵的标点加注算法,主要工作如下:1、构造了可以从语料库中自动提取语言学特征的模板机制,发挥出最大熵可以灵活选取特征的优势;深入地研究了求解标点加注问题的各种模板集,并通过实验确立了处理标点加注的有效模板集。2、研究IIS参数估计算法,并在此基础上实现了带高斯先验平滑的IIS参数估计算法,有效地避免了机器学习过程的过学习现象,该算法比较高效的估算出各个语言学特征的权值而形成模型。3、研究并实现了适合于最大熵方法的单点分类解码方法,运用模型对输入序列进行预测,快速高效地获得全局最优的解码序列,从而完成标点加注工作。实验表明本文标点加注在开放测试中的F值达到87.08%,验证了标点加注算法的有效性。4、将标点加注算法集成到机器翻译系统之中,对测试语料库分别进行直接翻译与标点加注处理后翻译,通过机器翻译的自动评测工具分别评价它们的翻译效果,结果显示BLEU值由0.2257提高到0.2465,由此说明标点加注工作使机器翻译的译文质量有了比较大的改善。