平行句对抽取是缓解低资源机器翻译中数据稀缺问题的关键任务,同时也是提升机器翻译性能的重要手段。但是目前平行句对抽取的方法都是基于句子语义相似性度量,并没有考虑不同词语在句子中语义表征的难易程度,同时主要集中在句子级别,忽略了文档级上下文信息以及图像所包含的信息,提取到的句子语义信息不充分,抽取到的平行句对质量不高,导致了汉-越神经机器翻译（Neural Machine Translation,NMT）性能不佳。所以本文针对上述问题,研究如何有效利用可比语料资源,从大量的可比语料库中抽取出高质量的汉-越伪平行句对,提升低资源下汉-越神经机器翻译的性能。该文首先介绍了平行句对抽取的研究现状以及存在的问题与挑战;然后分析了汉-越可比语料的特点,探索基于互联网资源的汉-越可比语料的获取方法;其次从词级研究了基于语义自适应编码的方法抽取汉-越伪平行句对,以增强句子的语义表征能力;接着研究了融合文档级上下文信息的汉-越伪平行句对抽取方法,使得模型具有上下文感知的能力,提升句子上下文语境信息;在此基础上,还研究了融合图像信息的汉-越伪平行句对抽取方法,使得模型能够共同关注文本和图像,丰富句子的语义信息;最后,研发了面向汉-越小语种的机器翻译原型系统并介绍了未来的研究方向和发展趋势。本文的主要贡献如下:（1）提出了一个双向LSTM加语义自适应编码的语义表征网络框架,根据句子中单词表征难易的不确定性,引导模型使用更深层次的计算。具体思路为首先对汉语和越南语句子进行编码,根据句子中单词语义表征的难易程度,自适应的进行表征,深度挖掘句子中不同单词的语义信息,实现对汉语和越南语句子的深度表征,然后在解码端将深度表征的向量映射到统一的公共语义空间中,最大化表示句子之间的语义相似度,从而提取更高质量的汉-越伪平行句子。实验结果表明,模型在F1得分上提升5.09%,优于基线模型,同时将提取到的句子对用于训练机器翻译模型并显示了翻译性能的显著提升。（2）提出了一种融合文档级上下文信息的方法,用于提取更高质量的汉-越伪平行句子。具体思路是在了解源语言和目标语言文档级全局语境的情况下分别对每个句子的语境进行建模,使用四个新的上下文编码器来扩展Transformer模型以表示文档级上下文,然后将其并入到原始的编码器中,最大化表示句子之间的语义相似性。实验结果表明,在汉-越文档级数据集上本文方法在F1得分上提升了7.15%,相比基线模型有了明显的改进,同时将提取到的句子对用于训练机器翻译模型,在BLEU值上最高提升了0.63,显著提升了机器翻译的性能。（3）针对目前伪平行句对抽取的研究工作都是基于文本的,只关注源语言和目标语言文本句子,比较单一,忽略了图像所包含的信息,导致模型提取到的句子语义信息不足的问题。本文提出了一种融合图像信息的汉-越伪平行句对抽取方法。具体思路是利用Transformer模型对源句子进行编码,然后利用一个新的图像特征提取器来扩展句子编码器,并将提取到的图像特征利用注意力机制融合到句子信息表示中,图像特征提取器主要是获取图像的语义信息作为知识,用于丰富句子的语义信息。实验结果表明,在对齐的汉-越文本和图像数据集上,本文方法相比基线模型有了显著的提升。