越南是我国的重要邻国,在政治、经济、文化上都与我国有着密切的交流合作。并在“一带一路”的政策下,我国与越南的交流合作更加密切,急需机器翻译技术的发展。然而,现有机器翻译技术水平不能满足于快速的经济文化发展,主要原因是汉语和越南语双语平行语料的稀缺制约了汉-越机器翻译的发展。近年来,基于循环神经网络的机器翻译得到迅速发展,但其翻译性能的提升依赖于大规模的双语平行语料。因此,利用技术方法来提升翻译性能成为了当前的研究热点。基于此,本文针对汉语和越南语的语言特点和汉语和越南语间存在语言差异性,研究如何将词性信息与句法解析树融合到卷积神经机器翻译模型中,本文的主要研究工作为以下三个部分:（1）融合词性信息的汉-越卷积神经机器翻译方法词性信息对机器翻译译文语序的生成具有约束作用。本文针对汉语和越南语在词语修饰关系上存在差异,以及汉-越机器翻译译文面临语序不一致的问题,考虑将词性信息融合到机器翻译模型中,以调节译文的语序。因此,提出融合词性信息的汉-越卷积神经机器翻译方法。该方法首先采用带词性标记的双语对齐语料,生成带词性的双语词表,然后采取多层卷积神经网络及不同大小卷积核进行汉越神经机器翻译模型的训练,利用带词性的词表对汉越双语语料进行词与词性的联合编码与解码,将词性信息融合到翻译模型中。（2）融合句法解析树的汉-越卷积神经机器翻译方法句法分析是用于判定输入句子单词序列的构成是否符合规定的语法规则,之后,用构造的句法解析树对句子的层次结构、各个层次中句法的成分关系进行确定,即能够从句法解析树中得知句中的短语是由哪些词构成的,动词的主语或宾语是哪些词等句法信息。因此,在融合词性信息后,本文进一步研究融合句法解析树的汉-越卷积神经机器翻译方法,充分利用句法解析树中的句法结构信息,帮助卷积神经机器翻译模型更好地获取句法知识,以约束译文句法结构的生成。该方法首先采用斯坦福的汉语句法解析器和越南语的句法解析器分别对汉语和越南语进行句法解析,分别得到汉-越句法解析树,然后,利用深度优先遍历的方法对汉越句法解析树进行遍历,以得到汉语和越南语中每个叶子节点对应的句法标签序列,之后对每种标签定义固定的特征编码,最后将句法向量与源语言词嵌入相加作为编码器的输入,并采取多层卷积神经网络、不同大小卷积核及具有词性信息的词表进行汉-越神经机器翻译模型的训练。（3）融合句法知识的汉越机器翻译系统结合融合词性信息与句法解析树的卷积神经机器翻译方法,设计并实现了融合句法知识的汉-越机器翻译系统。该系统主要包含WEB的前后端服务模块与机器翻译模块。其中,机器翻译的功能模块主要包括输入与输出功能模块、文本预处理功能模块和翻译功能模块。翻译功能模块是在Facebook提出的卷积神经机器翻译框架的基础上做了相应修改实现的,主要包括将汉语和越南语的词性信息与句法解析树融入到卷积神经机器翻译框架中。该系统对研究汉越句法知识与卷积神经机器翻译相融合提供了重要的支撑作用。