对于自然语言处理领域中的机器翻译等跨语言任务,平行结构是训练神经网络来学习不同语言之间的映射关系的重要资源。除了现有的平行资源外,近年来很多研究者们都在尝试从单语语料中挖掘平行数据。目前,大多数研究集中于从单语语料中挖掘平行词对和平行句对,而由于平行短语对边界确定困难、单词形态复杂,所以从单语语料中挖掘平行短语对的研究非常稀少。因此,本文尝试利用多种方法,从单语语料中挖掘高质量的平行短语对,并探索平行短语对在机器翻译领域的应用,以提高机器翻译模型的性能。本文的主要研究内容如下:（1）提出启发式平行短语对挖掘方法。启发式平行短语对挖掘方法将其他模型的知识融入到单语语料中,使平行短语对的挖掘过程更加高效。按启发方式不同,分为融合短语识别的平行短语对挖掘方法和基于锚定训练的平行短语对挖掘方法。融合短语识别的平行短语对挖掘方法通过训练短语识别模型得到高质量单语短语集,再借助双语词典,利用匹配算法从短语集中挖掘平行短语对。基于锚定训练的平行短语对挖掘方法通过锚定训练的方法构造伪平行语料,再通过锚点注入获得高质量词对齐结果,最后从伪平行语料中抽取平行短语对。实验证明启发式方法能够挖掘大量高质量平行短语对,在平行实词短语对挖掘和平行词对挖掘更有优势。（2）提出自引导式平行短语对挖掘方法。该方法是从一个种子词典出发进行平行短语对挖掘的过程。首先从种子词典中的一组平行词对出发,检索单语语料中包含该平行词对的短语集。然后,以翻译词典中的数据为线索,通过挖掘算法在短语集中挖掘平行短语对,并加入到扩展短语集中。挖掘过程按短语的长度分为多轮进行,从第二轮开始以上一轮挖掘得到的扩展短语集为起点进行挖掘,以达到自引导式挖掘的目的。同时,本章提出短语与子项平均概率的评价指标,以实现定量地对所挖掘的平行短语对的合理性进行评价。实验证明,自引导式平行短语对挖掘方法能够挖掘大量高质量平行短语对,在挖掘较短长度的平行短语对方面更加有效。同时,短语与子项平均概率也能够对平行短语对进行合理的评价。（3）提出平行短语对在神经机器翻译的应用。依据不同的应用场景,平行短语对在神经机器翻译的应用分为在不依靠平行语料的神经机器翻译和依靠平行语料的神经机器翻译的两种应用。具体来看,在不依靠平行语料的神经机器翻译的应用中,本文在单语语料中使用挖掘的平行短语对将源语言短语替换成目标语言的短语,目的是利用平行短语对来帮助提高翻译模型对句中更大粒度单元的映射能力。在依靠平行语料的神经机器翻译的应用中,本文在平行语料中将平行短语对进行显式标注,目的是以很小的代价帮助神经机器翻译模型更快更好地学习到更大粒度的平行短语对间的对应关系,进而提高机器翻译的质量。实验证明,平行短语对能够使神经机器翻译模型的翻译质量有较为明显的提升。