课题采用生成树库，针对英汉翻译，通过专家规则与实例规则相结合的办法进行短语预调序。通过对英汉翻译中的短语结构进行分类，选择其中出现频度最高的名词短语进行预调序处理。实验结果显示，基于专家规则的预调序方法能够在一定程度上提高最终的翻译结果。.课题成果体现在：.1. 从英汉翻译的实际需求出发构造翻译所需要的语言资源。打破了Penn Treebank的复杂标注体系，将面向句法分析的句法标注改造为面向英汉机器翻译的句法标注，这有助于减少机器翻译过程中结构转换的复杂性。.2. 首次将短语预调序的方法应用在英汉机器翻译中，并将规则方法与统计方法结合起来，增强短语调序的效果。通过融合这两种不同的调序思路，提高了翻译结果。实验显示，融合的方法要优于单一的调序方法。.4. 基于大规模语料库的英汉短语预调序。实验结果显示，基于实例在保持较高调序准确率的情况下，克服了最大熵调序模型的缺陷。课题仍然有大量问题需要解决，主要包括：.1. 对短语结构转换的规则挖掘不彻底，停留在常用短语结构上，缺乏对短语结构转换更宏观的把握。.2. 与现有的短语翻译模型的融合不够，以致对翻译结果的提高幅度还可以增加。