目前神经机器翻译的翻译效果,取决于训练数据的质量与规模,但是目前汉语-越南语的神经机器翻译因平行语料规模较小,导致了汉越神经机器翻译的性能不够理想。如何利用互联网中的资源丰富的语种来改善低资源机器翻译的性能是当前的研究热点之一。采用基于枢轴语言的方法可以有效利用资源丰富的语种的数据,以此提升低资源语言神经机器翻译的性能。本文利用资源丰富的语种为前提进行研究,采用基于枢轴语言的方法,将大互联网中存在着大规模的汉英、英越平行语料引入汉越神经机器翻译的训练过程中,从而提升汉越神经机器翻译的性能,本文主要在以下几个方面开展了进一步的研究:(1)汉-英、英-越、汉-越平行语料库构建。汉语-越南语是典型的资源稀缺型语言对,由于训练数据不足极大的影响了汉越神经机器翻译的性能。因此,为了提高汉越神经机器翻译任务的性能,本文主旨研究的是基于枢轴语言的汉越神经机器翻译方法研究。为了本文的实验所以构建汉-英、英-越、汉-越平行语料库是非常必要的。本章先从互联网中收集汉越,英越,汉英的平行语料。然后对收集到的语料进行人工筛选和乱码过滤,再通过枢轴语言训练模型回译,数据增强的方法扩充语料规模,最后使用语言模型对扩充后的语料进行筛选,得到汉-英、英-越、汉-越平行语料库。通过这些方法,本文最终一共获取了约12万句对的汉越平行句对,70万的英越平行句对,5000万的汉英平行句对为接下来的实验提供了训练数据。(2)提出了基于英语为枢轴语言预训练的汉越神经机器翻译方法。在神经机器翻译中,利用资源丰富的语言来改善资源稀缺型语言的翻译是十分有效的方法。在众多语种中,英语资源丰富,且存在大量的英汉和英越的翻译研究,可以获得规模较大质量较高的汉英和英越双语数据。因此本章利用英语作为枢轴语言,将汉英、英越平行语料桥接,然后将大规模汉英、英越平行语料预训练神经机器翻译模型,再使用汉英,英越平行语料训练得到的神经机器翻译模型的编码器与解码器的参数来对汉越神经机器翻译模型的编码器与解码器参数初始化,最后使用汉越小规模语料对模型参数进行微调,以此构建汉越神经机器翻译模型。实验表明,基于英语为枢轴语言预训练的汉越神经机器翻译使用英语作为枢轴语言提高了模型的参数质量,从而提高翻译性能。(3)提出了基于枢轴的汉越联合训练神经机器翻译方法。在汉越平行语料数量受限的情况下,基于英语为枢轴语言的联合训练方法能充分利用大量汉英和英越的平行语料,提升汉越翻译模型的翻译质量。本章使用英语作为枢轴语言提出了一种基于枢轴的汉越联合训练神经机器翻译方法,将大规模汉语-英语,英语-越南语平行语料,以及小规模汉语-越南语平行语料进行联合训练。首先使用小规模的汉越平行语料训练翻译模型得到汉越词语在语义空间上的表示信息,然后将汉英和英越的翻译模型进行联合训练,其次在训练过程中汉英模型的编码器与英越模型的解码器和预先得到的汉越词语在语义空间上的表示信息和进行相互计算优化。实验结果表明,本章方法有效的将汉越平行语料与汉英、英越平行语料结合起来进行联合训练,一定程度上提升了低资源场景下汉越机器翻译的性能。(4)设计并实现了基于枢轴语言的汉越神经机器翻译系统。该系统包括机器翻译模块、Web后端服务模块、Web前端服务模块。其中翻译模型的实现在Transformer的模型的基础上使用了枢轴语言改进训练方法,将轴语言的思想使用在神经机器翻译框架中。