神经机器翻译已经在多种语言对上取得了很好的效果,翻译性能依赖平行语料的规模大小,而缅甸语是稀缺性语言的一种,当前互联网没有公开的汉缅平行数据集,汉缅平行语料极其匮乏。同时,单语语料是一种重要的语言资源,相比平行语料,具有数量大、获取方便的优势。单语语料可以训练出优质的语言模型,对提高机器翻译流利度和忠实度起着重要作用。因此,针对汉缅单语语料在汉缅神经机器翻译当中的应用,本文完成了以下的工作:（1）汉缅双语词汇抽取。缅甸语是资源稀缺性语言的一种,汉缅双语词汇是实现汉语和缅甸语之间机器翻译任务的重要双语资源。针对汉缅双语词汇稀缺的问题,本文提出了一种融合主题及上下文特征的汉缅双语词汇抽取方法。具体而言,首先利用LDA主题模型获取汉缅文档主题分布,并通过双语词向量表征将跨语言主题向量映射到共享的语义空间后抽取同一主题下相似度较高的词作为汉-缅双语候选词汇,然后基于BERT获取候选双语词汇相关上下文的词汇语义表征构建上下文向量,最后通过计算候选词的上下文向量的相似度对候选双语词汇进行加权得到质量更高的汉缅互译词汇。实验结果表明,相对于基于双语词典的方法和基于双语LDA+CBW的方法,本文提出的方法准确率上分别提升了11.07%和3.82%。（2）基于神经主题模型的单语回译语料选取方法。平行语料是构建汉缅神经机器翻译系统的基础资源。针对汉缅平行语料稀缺的问题,回译是一种解决低资源语言翻译的有效方法,将目标端的单语语料回译成源语言,构成伪平行句对。但是不足之处是如果选取质量不佳且来源混杂的缅甸语单语数据,反而会影响机器翻译的效果。为此,本文提出了一种基于神经主题模型的单语回译语料选取方法,首先利用收集到的汉缅平行句对中的缅语数据构建一个神经主题模型,然后通过神经主题模型选取与我们训练集相关的缅甸语单语语料,继而提升汉缅神经机器翻译的单语回译语料质量。（3）基于迭代回译的汉缅神经机器翻译方法。汉缅神经机器翻译需要大量汉缅平行语料,但是缅甸语是一种资源稀缺性语言。针对汉缅平行语料及其稀缺,互联网存在大量的汉缅单语语料的问题,本文提出了一种基于迭代回译的汉缅神经机器翻译方法。首先利用回译的方法将目标端大量丰富的单语语料生成源端句子,再通过对偶学习扩充训练数据,有效解决了汉缅平行句对稀缺导致翻译模型泛化能力不足的问题。实验效果表明我们的方法在一定程度上能提升汉缅神经机器翻译效果。（4）汉缅神经机器翻译原型系统的实现。基于上述相关理论研究,构建了本文的汉缅神经机器翻译系统。利用Pytorch框架研发了融合单语语料的汉缅神经机器翻译原型系统,实现了翻译的可视化展示。整个系统的模块主要包括句子的输入/输出模块、双语词嵌入模块和汉缅神经机器翻译模块等。