神经机器翻译要想取得了良好的翻译效果,需要大规模的训练数据,而低资源语言由于训练数据稀缺导致其翻译性能不佳。汉语-越南语是典型的低资源语言对,训练数据不足极大的影响了汉越神经机器翻译的性能。目前利用现有小规模数据进行数据增强是提升低资源语言神经机器翻译性能较为有效的方法,当前已经有多种进行数据扩展的相关研究,例如基于词的替换、单语数据回译和基于枢轴语言三种生成式方法,但这些方法依然存在相应的问题,为了提高生成式数据扩展方式在汉越翻译任务上的应用,本文主要在以下三个方面开展了进一步的研究:(1)提出一种基于短语替换的汉越伪平行句对生成方法。考虑到汉越词级替换中易存在一词多译问题,所以对基于更大粒度的替换进行了研究,提出了一种基于短语替换的汉越伪平行句对生成方法。利用小规模双语数据进行短语抽取构建短语对齐表,并通过在维基百科中抽取的汉越实体词组对其进行扩充,在对双语数据的汉语和越南语分别进行短语识别后,利用短语对齐表中与可替换短语相似性较高的短语对进行替换,以此实现短语级别的数据扩充,并将生成的伪平行句对与原始数据一起训练最终的汉越神经机器翻译模型。(2)提出一种融合单语语言模型的汉越伪平行语料生成方法。考虑到汉语和越南语单语数据的可利用性,我们在回译方法的基础上,将利用大量单语数据训练的目标语言的语言模型与神经机器翻译模型进行融合,在回译过程中通过语言模型融入语言特性,以此生成更规范质量更优的伪平行数据,并将生成的语料添加到原始小规模语料中训练最终汉越翻译模型。在汉-越翻译任务上的实验结果表明,通过融合语言模型生成的伪平行数据可以更有效地提升汉-越神经机器翻译的性能。(3)提出一种基于枢轴语言的汉越神经机器翻译伪平行语料生成方法。伪平行数据生成方法主要有基于词的替换、单语数据回译和枢轴翻译三种。目前的研究集中于三种方法的分别使用,缺少方法间融合利用方面的研究工作,针对此问题,利用英语作为枢轴语言,在汉到英到越正向枢轴的基础上,融入利用稀有词构建的汉-英和英-越双语词典,将汉语单语数据通过模型翻译成英语数据,再利用英-越模型将其翻译成越南语数据,其次进行越到英到汉反向枢轴翻译将越南语单语数据翻译为汉语,以此在两个方向上生成汉越伪平行数据,并利用语言模型对生成的伪平行数据进行筛选。汉-越翻译任务上的实验结果表明,提出的融入双语词典的正反向枢轴方法,能够产生质量更优的伪平行语料,进而提升汉越神经机器翻译任务的性能。(4)构建了汉越伪平行语料库并对其进行测评。通过以上三种方法生成汉越伪平行语料,针对在资源稀缺情况下汉越伪平行数据的最佳利用方案进行测评,对伪平行数据与原始数据的比例及伪平行数据质量对系统性能的影响进行了探索。