神经机器翻译为机器翻译提供了一种全新的方法,在多种语言对上的翻译效果已经超越了统计机器翻译,并逐渐成为当前机器翻译的主流方法。但是神经机器翻译也存在自身的不足,翻译精准度缺失的问题是当前神经机器翻译面临的主要难题之一,在神经机器翻译模型生成的译文中经常会出现错误翻译的现象。本文探索了词义在神经机器翻译中的应用,词义为模型能够正确翻译单词提供了有用的信息。通过对词义的建模,能够缓解传统神经机器翻译模型中存在的错误翻译的问题。主要研究内容包含如下三个方面:(1)本文首先分析造成神经机器翻译中产生错误翻译的原因,并分析不同神经机器翻译模型中错误翻译的情况。进而,本文将单词翻译看作是单词词义的表现形式,通过字典方法、语义消歧方法和随机候选翻译方法为源端单词构造对应的单词词义。(2)一旦获取了单词词义,本文通过三种不同的编码器结构为神经机器翻译模型融入单词词义。Factored编码器采用相加或者拼接词向量的方式直接将单词词义添加入神经机器翻译模型中;Gated编码器采用门机制选择性地控制单词词义进入模型的流量;Mixed编码器将单词与单词词义交替地输入进模型。实验结果显示本文方法在中英机器翻译任务上取得了显著的效果提升。(3)子词化是神经机器翻译系统中用来解决低频词翻译问题的重要手段。为了评估本文方法在基于子词的神经机器翻译模型中的效果,首先提出了获取子词词义的方法,再将子词词义应用于基于子词的神经机器翻译模型中。实验结果表明融合子词词义的神经机器翻译模型也能有效地提升翻译质量。