2014年以来,神经机器翻译技术得到了飞速的发展,取得较多研究成果。但是在蒙汉机器翻译工作中,神经机器翻译方法的表现并不令人满意。神经机器翻译方法以规模庞大的平行数据作为依托。这正是导致神经机器翻译方法在处理蒙汉这种弱资源语言翻译任务时表现不尽人意的原因。本文主要通过数据增强方法构造伪平行语料库,以此来缓解蒙汉机器翻译任务中可用平行数据较少的问题。首先,通过简单数据增强和回译两种方法构造伪平行语料库。简单数据增强方法通过四种改变汉语句子的方式来构造蒙汉伪平行语料库,构造出来的新汉语句子将使用真实汉语句子对应的蒙语句子作为数据标签。回译方法使用一个蒙到汉的回译模型来构造伪平行语料库。在选取蒙语单语语料的过程中,以汉到蒙翻译过程中难预测的蒙语词及其所在句子的上下文环境为依据,选取更加合适的蒙语单语语料。回译模型以条件生成对抗网络为架构;条件生成对抗网络的生成器会完成回译任务,其鉴别器来优化生成器,使生成器可以翻译出更加贴近真实数据的汉语句子。其次,在数据预处理阶段采用BPE算法,在蒙汉双端构造出多粒度融合词典,使蒙汉翻译模型可以在一定程度上可以处理生词,提升蒙汉翻译模型的鲁棒性。在预训练阶段采用ELMo预训练模型来抓取汉语词的词义信息、句法信息和语义信息,并通过线性函数来合并这三种信息,动态的获取词嵌入向量,使其表示的信息更加精准。以此,提高翻译模型的翻译质量。最后以Transformer结构搭建一个蒙汉神经机器翻译模型,并使用软上下文增强技术随机选择一些即将输入到翻译模型编码器词嵌入层的汉语词,将它们的one-hot向量进行平滑处理,得到一个表达信息更加丰富的新向量,称为软词向量。将软词向量输入到翻译模型的编码器词嵌入层进行翻译工作。实验证明上述方发的结合使用可以有效提升Transformer模型的翻译能力。