统计技术是目前机器翻译研究的主流技术。统计机器翻译研究的先决条件是要有充足的双语平行语料库。翻译系统的性能与语料库规模是密不可分的。近年来，汉蒙机器翻译研究已取得了一定的成绩，但与汉英等其他语言的机器翻译相比存在着较大的差距。主要体现在几个方面：在平行语料库规模方面，汉英及欧洲语言间的语料库规模和汉蒙语料规模差异巨大；在词法分析等基础性研究方面，与英语等语言相比蒙古语的词法分析研究起步晚，并不成熟。这些已经严重限制了汉蒙机器翻译的发展。蒙古语是一种形态丰富的黏着语，而汉语是孤立语，几乎无形态变化。形态非对称语言间的机器翻译具有一定的难度，但在机器翻译研究中合理利用语言形态信息将会一定程度上解决译文词形错误和缓解由语料库规模小而导致的数据稀疏等问题。本文从蒙古语形态信息的分析和融合两个角度出发，首先，构建了基于词缀库的无监督词形切分系统，然后利用规则进行后处理，提高了系统切分准确率。系统最大优点在于可以直接利用生语料库进行训练，客观性较强。然后，对蒙古语词进行形态分析的基础上，提出了要素翻译模型。要素翻译模型在训练过程中将词干、词缀、词性视为要素进行翻译，通过多个翻译模型和生成模型，完成目标语言词形的生成。实验结果表明，与基准实验相比引入蒙古语形态信息的要素模型翻译效果更好一些，并达到了预期结果。