近年来,随着人工智能领域的技术革新,机器翻译技术的研究步伐也不断向前迈进,神经机器翻译在蒙汉双语平行语料上取得了良好的效果。但是,由于蒙古文构词形态复杂,语料规模较小,使得神经网络不能充分学习到蒙古文语言特征。本文结合蒙古文语言特点和蒙汉机器翻译研究难点,提出将统计机器翻译的离散词概率信息以及外部词典计算的离散词概率信息融合到神经机器翻译来提高蒙汉机器翻译的译文质量。首先,针对语料的数据稀疏问题,本文对形态复杂的蒙古文语料进行形态分析,重点对格的附加成分进行分析和处理。通过三种不同的方法进行格处理,并且根据不同模型的性质选择不同的格处理方法。通过实验证明,在不同的模型中选择不同的蒙古文形态分析方法对语料进行处理可以提升蒙汉机器翻译的译文质量。其次,针对神经机器翻译很难准确的翻译低频词的问题,本文在前人的工作基础之上提出一种将离散词概率融合到蒙汉神经机器翻译的方法来缓解低频词翻译译文质量较差的问题。最后,针对如何获取和利用外部资源(如词典等资源)来提高翻译译文的质量的问题,本文在现有资源的基础上整理校正了一定规模的蒙汉双语词典,并且将蒙汉双语词典信息贡献给蒙汉神经机器翻译从而提高机器翻译译文的质量。最终的神经机器翻译实验结果表明,融合统计机器翻译离散词概率的译文的BLEU值达到34.53,格处理使译文的BLEU值达到35.72,融合混合离散词概率(加入词典信息)的译文的BLEU值也有所提升,证明了本文提出的方法能够有效地解决蒙汉机器翻译的问题。