随着信息化和网络化的迅猛发展,全球一体化进程急剧加快,人们对实用化语言转换技术的需求日益迫切,机器翻译技术引起了越来越多研究人员的兴趣。目前,最先进的机器翻译方法是神经机器翻译。相较于传统的统计机器翻译方法,神经机器翻译直接利用神经网络实现源语言文本到目标语言文本的映射,不需要人工设计特征,并且能够充分利用句子中的上下文信息,使翻译效果得到了显著提升。但是,主流的神经机器翻译方法以单词为基本处理单元,对短语的建模能力有限。而基于短语的统计机器翻译方法能够从大规模双语语料库中自动学习源语言和目标语言之间的短语翻译知识并建立相关的概率模型,在短语翻译方面具有一定优势。如何将两种翻译方法结合起来,使其优势互补,是一个重要的研究问题。针对上述问题,本文开展了融合短语知识的神经机器翻译技术研究。本文提出了一种基于后缀的短语知识表示方法,通过对源语句进行句法分析,进而识别句中的短语,并与统计机器翻译系统生成的短语表进行匹配,产生双语短语片段,以后缀的形式添加到源语句的尾部,作为指导神经机器翻译中短语翻译的约束信息,将添加短语表示的源语句输入到编码器,使短语知识融入神经机器翻译编码产生的句向量,提升翻译效果。在中英语料上进行的对比实验表明,将短语知识融入源语句后进行编码,能够提高机器翻译的准确率,即在神经机器翻译编码器中整合合适数量的短语翻译信息可以有效地指导译文的生成。