机器音译包括人名,地名,机构名和组织名等专有名词的音译,是自然语言处理中一个重要问题,在机器翻译,跨语言信息检索等应用中有很重要的作用。机器音译是按照发音将源语言中的词自动翻译成目标语言中的词。本文在总结出基于语音的机器音译的不足的基础上,提出了两种机器音译的方法:基于字形的音译方法和机器翻译的方法。本文从以下几个方面介绍:1.本文首先介绍了基于字形的音译框架,并在该框架下分析比较了两种音译模型:噪声通道模型和n-gram音译模型,得出了n-gram音译模型比噪声通道模型包含了更多的上下文信息。2.本文在利用传统的EM算法进行音译单元对齐的基础上,首次提出了基于音节首字母匹配的对齐方法,总结了7条常见的英汉首字母匹配的启发式规则。并将两种对齐方法应用到英语和汉语音译单元的对齐上,比较了两种对齐算法对机器音译性能的影响。实验结果显示,基于音节首字母匹配的对齐算法优于EM对齐算法。3.本文研究了如何将viterbi算法应用到英语到汉语和汉语到英语的两个方向的解码上。并利用基于字形的音译框架和n-gram音译模型,采用基于音节首字母匹配的对齐算法进行音译单元的对齐,使用viterbi解码,实现了一个英汉双向人名音译系统。4.除此之外,本文将名字看成伪句子,利用统计机器翻译的思想进行音译。统计机器翻译利用对数线性模型。实验结果显示,统计机器翻译的方法更适合于机器音译,因为机器音译是按照发音顺序进行音译的,因此没有调序过程。并且对数线性模型的方法在增加模型的特征时很方便,因此有很大的改进空间。