机器翻译自动评价发展至今，各种自动评价方法不断涌现。不同的自动评价方法从不同的角度评价机器译文的质量。该文提出了基于融合策略的自动评价方法，该方法可以融合多个自动评价方法，多角度地综合评价机器译文质量。该文主要在以下几个方面探索进行:(1)对比分别使用相对排序(RR)和直接评估(DA)两种人工评价方法指导训练融合自动评价方法，实验表明使用可靠性高的DA形成的融合自动评价方法(Blend)性能更好；(2)对比Blend分别使用支持向量机(SVM)和全连接神经网络(FFNN)机器学习算法，实验表明在当前数据集上，使用SVM效果更好；(3)进而在SVM基础上，探索使用不同的评价方法对Blend的影响，为Blend寻找在性能和效率上的平衡；(4)把Blend推广应用到其他语言对上，说明它的稳定性及通用性。在WMT16评测数据上的实验，以及参加WMT17评测的结果均表明，Blend与人工评价的一致性达到领先水平。
