伴随着全球化的进程,各国之间的经济文化交流日益频繁,在不同文化的碰撞与融合过程中,如何突破语言障碍,让机器完成不同语言之间的自动翻译,最终实现无障碍自由通信,是人们长久以来的梦想。随着深度学习的发展,神经机器翻译系统在翻译质量上取得了长足的进步,其综合性能显著超越了传统的统计机器翻译系统。神经机器翻译系统在对数据进行建模时,仅采用端到端的编码器-解码器框架,未结合丰富的先验性语言学信息。本文尝试将丰富的语言学信息融入到神经机器翻译系统的编码器-解码器框架中,探寻语言学信息的融入内容和融入方法。本文从单词级别,局部级别,句子级别的角度出发,由小到大,将语言学信息融入到神经机器翻译中,旨在提升神经机器翻译译文效果。在将语言学信息融入神经机器翻译模型的过程中:首先,本文从单词的角度出发,将单词的词性信息融入到神经机器翻译模型中,通过在目标端新增词性序列以及共享上下文向量,在解码阶段单词序列和词性序列联合解码,词性序列辅助翻译单词序列的生成,实验结果显示,融入词性信息的神经机器翻译方法可以提升机器翻译译文质量;其次,本文从句子局部级别的角度出发,将局部关联性信息融入到神经机器翻译模型中,通过在源端和目标端增加近邻关联指导,使得每个单词与其上下文更相关,实验结果显示,单独在源端和单独在目标端增加近邻关联指导的模型译文效果高于基准系统,融合源端和目标端近邻关联指导的模型译文效果明显优于基准系统;最后,本文从句子句法结构出发,将依存树信息融入到神经机器翻译系统中,并增加依存关联指导,构建长距离的句法关联性,实验结果显示,依存关联指导的增加较好地提升了神经机器翻译译文质量。综合本文的实验结果:从单词级别到句子级别语言学信息的融入,可以有效促进神经机器翻译性能的提升。