随着计算机文本处理的快速发展,词义表示也成为研究热点之一。不少研究工作已经证明词义表示可以提升许多自然语言处理任务的性能,例如神经机器翻译。作为许多任务的基础,词义表示正在受到越来越多的关注。为此,本文探索了两种方法来增强词义表示,并用于改善神经机器翻译。第一种是引入了词语内部结构的词义表示。传统的方法多以词或者字符为基本的语义单元,为结合二者的优点,一些研究者提出了字符和词的混合表示方法。但是这些方法忽视了中文词语的内部层次结构。本文区别于前人的工作探究更加合理的词语语义单元,提出了一种新的标准定义了中文词语的内部层次结构以及以此为基础的标注规范,并人工标注了一份中文词语语料库,用于改进神经机器翻译模型。第二种是引入BERT预训练的词义表示。近来,预训练方法在许多自然语言任务中有着优秀的表现,为增强词的语义表示,本文利用预训练模型来学习词的语义表示,然后将预训练模型的信息融入神经机器翻译中。本文在机器翻译的实验上初步验证了所提出的方法的有效性,本文的工作为词义表示的研究提供了新思路,对进一步探索自然语言处理的研究工作具有重要的科学意义和实用价值。