从传统统计机器翻译到当前基于神经网络的机器翻译,无论是翻译模型训练的速度还是翻译模型生成译文的准确度都取得了巨大的进步,这些进步的背后离不开大量高质量平行语料作为翻译模型的训练支撑。然而高质量蒙汉平行语料目前处于严重匮乏阶段,如何利用现有的大量单语语料数据进行无监督训练,以缓解由于平行语料资源不足导致的蒙汉机器翻译译文不佳的问题,已经成为一个重要的蒙汉机器翻译研究方向。本文通过提出融合并行句子提取的无监督蒙汉神经机器翻译方法,重点对优化传统无监督翻译框架中词典归纳方法,语言模型训练方法及回译训练方法进行了研究。具体工作内容如下:（1）为缓解基于对抗学习的无监督蒙汉词典归纳方法准确度不高的问题,本文提出了一种基于翻译模型的无监督蒙汉词典归纳方法。首先搭建了一个融合不同粒度的无监督蒙汉统计机器翻译模型,并基于该翻译模型通过统计词对齐技术归纳出了蒙汉双语词典。之后通过将基于翻译模型归纳的双语词典,结合基于去噪自编码器训练的语言模型,对无监督翻译模型进行初始化,并通过回译方法训练得到一个无监督蒙汉神经机器翻译模型,该翻译模型生成的译文相比基于对抗学习归纳词典搭建的无监督翻译模型生成的译文能得到更高的BLEU值。（2）为缓解基于去噪自编码器搭建的无监督翻译模型生成译文不够自然、准确的问题,本文实现了基于遮蔽序列到序列（MASS）方法预训练蒙汉语言模型。首先使用蒙汉单语语料结合随机遮蔽,对Transformer的编码器-注意力-解码器共同训练以得到蒙语、汉语语言模型,之后通过结合基于翻译模型归纳的蒙汉双语词典与回译训练方法,搭建基于MASS预训练语言模型的无监督蒙汉神经机器翻译模型,在使用相同蒙汉双语词典的情况下,该翻译模型无论是模型训练的速度还是生成译文的准确度,均优于基于去噪自编码器方法搭建的无监督蒙汉翻译模型。（3）为进一步对无监督蒙汉神经机器翻译模型进行优化,本文提出了一种基于蒙汉合成词典的无监督蒙汉并行句子提取方法。首先通过在基于单词相似度的基础上结合平行句子片段检测,对候选句子对相似度进行加权计算并设定阈值,以从本文建立的蒙汉单语可比语料中挖掘高质量蒙汉并行句子。之后通过将提取到的蒙汉并行句子加入到翻译模型基于回译方法训练生成的伪平行语料中,进一步加快了蒙汉无监督神经机器翻译模型的收敛速度,并提高了生成译文的BLEU值。