在如今经济全球化,“一带一路”蓬勃发展的大背景下,不同国家地区、不同语种人群之间的文化、学术、商贸和政治等方面的交流日益频繁。而通用领域场景下的机器翻译模型已无法满足更加多元化、深层次的跨语言交流需求。为解决多领域翻译的领域适应问题和多领域多模型的成本问题,本文结合终身学习算法,进行多领域翻译任务持续学习的研究,提出了面向终身学习的机器翻译系统。在面向终身学习的机器翻译系统研究过程中,本文的主要工作内容如下:1、针对系统在学习新领域任务时的基础语料和知识的准备,本文设计了一套新领域语料自动获取与知识挖掘的流程。本文使用基于Fast DTW的方法,获取高质量的句子级平行语料。对于语料中的知识挖掘,本文提出融合多元信息的KDwith Multi Info和KAwith MRC分别进行平行语料中的知识发现和知识对齐。对于领域判别问题,本文结合少样本学习提出DDwith Prompts,进行适应领域增长的多领域判别。实验证明以上三种方法分别具有深层次、准确的领域知识挖掘能力和模型快速训练和准确分类的领域判别能力。2、针对系统的多领域翻译问题,本文分别展开了基于数据融合和基于模型融合的终身学习机器翻译技术研究。本文使用领域知识的融合和NDNMTWith Ins的领域实例模型训练方法进行基于数据融合的机器翻译研究,实验证明该方法在新领域中具备较高的知识翻译准确率以及较强的学习能力;在基于模型融合的机器翻译中,本文结合Prefix-Tuning方法提出NDNMTWith PT,增强系统拓展性与灵活性,实验证明该方法在缓解灾难性遗忘问题上具备较大优势。3、设计实现了面向终身学习的翻译系统。该系统融合基于数据融合和基于模型融合的终身学习机器翻译技术,结合知识发现、领域判别等特色技术,为用户提供了功能全面专业的领域翻译服务。在离线任务中,系统将不断学习新领域的翻译任务,并挖掘、保留该领域的知识;在线上服务中,用户可使用领域自动判别、领域知识展示和编辑、融合领域知识的翻译和更多翻译结果展示等服务。本文的面向终身学习的翻译系统具备良好的领域翻译能力,在相关测试集上各领域的平均BLEU值可达到27.42,总体知识翻译准确率达到96.98%。同时,本系统在多领域翻译场景下,还具备部署便捷和低成本、翻译结果领域相关性强、可持续学习等应用价值。