近年来,基于序列到序列的神经机器翻译取得长足进步,译文质量不断提升,逐渐成为一种新的机器翻译研究范式。神经机器翻译不仅得到学术界的广泛关注,成为自然语言处理领域的研究热点,同时各大公司依靠神经机器翻译方法,提供各式机器翻译服务。然而,实践表明现有神经机器翻译方法仍然存在一系列不足之处,其中词汇级翻译忠实度不高是广泛存在的严重问题。本文从语言学角度对神经机器翻译中存在的词汇级翻译忠实度问题进行了系统的分析和总结。由于神经机器翻译模型结构自身存在的问题,编码器往往不能充分理解源语言句子,同时,解码器在生成目标语言词语时也不能精准调控不同语言上下文信息对目标语言词语预测的影响,这些不足之处会降低词汇级翻译忠实度。针对以上问题,本文探索了多种类型语言特征,包括词汇级语言特征、隐式语言特征、深层语言特征和句间语言特征等,并有效增强了神经机器翻译模型编码和利用不同层次语言特征的能力。本文主要工作和创新点归纳如下:（1）基于词汇级语言特征调控的神经机器翻译为增强神经机器翻译模型合理地利用词汇级语言特征的能力,本文提出一种自适应的信息汇聚模型。具体地,首先在编码器端通过该模型调控源语言表示中包含的词语自身及其上下文信息,促使实体词更多地关注自身信息,而功能词包含较多的上下文信息。然后在解码器端,显式调控源语言和目标语言上下文对生成目标语言词语的贡献度。实验结果表明,所提出方法显著提高了译文质量,并减少了错误翻译、漏翻译、重复翻译等翻译忠实度问题。（2）基于隐式语言特征增强的神经机器翻译神经网络可以编码隐式的深层语言特征,如句法特征和语义特征等,有助于消除歧义。针对隐式语言特征的编码和利用,本文提出隐式语言特征增强的神经机器翻译编码器模型。具体地,首先利用降噪自编码神经网络编码不同层次的隐式语言特征。然后,将隐式语言特征合理地集成到神经机器翻译编码器中。实验结果表明,所提出方法显著提升了译文质量,减少了错误翻译、语法错误等翻译忠实度问题。（3）基于深层语言特征建模的神经机器翻译为进一步提高神经机器翻译模型对深层语言特征的编码能力,本文提出一种深层的神经机器翻译编码器模型。具体地,首先将编码器按照分组进行组织,每一个分组包含合适的编码器层,实现分组内部信息的有效传播。然后采用分组跳跃连接机制,促进分组之间信息的高效传播。最后实现了深层的神经机器翻译编码器模型,其编码器层数达到基线系统的10倍。实验结果表明,所提出方法显著提升了译文质量,减少了错误翻译、语法错误等翻译忠实度问题。（4）基于句间语言特征增强的神经机器翻译提高文档内句子间的词汇翻译一致性、连贯性等需要更大的上下文支撑。为最大程度地实现句子之间语言特征信息的编码和利用,本文提出一种面向长序列的文档级神经机器翻译模型。具体地,首先通过位置信息探测任务,发现利用Transformer模型将文档编码为一个序列时源语言表示中缺乏绝对位置信息。为此,本文提出位置信息增强的注意力机制,用于解决位置信息丢失引起的模型训练失败问题。实验结果表明,所提出方法在三个主流的文档翻译数据集上取得了最好的译文质量,减少了词汇翻译的不一致和不连贯等翻译忠实度问题。综上所述,本文围绕神经机器翻译中存在的词汇级翻译忠实度问题,提出了一系列的方法从多个角度更好地捕获和利用语言特征。实验结果表明本文方法能够提升神经机器翻译的译文质量和词汇级翻译忠实度。