中文分词是中文自然语言处理中最重要的一步,分词结果的好坏会严重影响后续任务的性能。目前的研究工作中多是使用深度学习方法来进行中文分词。这些研究工作大多数只用到句子中局部的上下文信息。近年来,将中文分词当作机器翻译问题来解决的新思路受到较多关注。基于这种思路的中文分词方法利用机器翻译模型直接对整个语句进行处理,能有效的利用全局的上下文信息。然而,机器翻译模型在翻译的过程中产生的错误翻译会导致分词的准确率降低。通过研究机器翻译问题和中文分词问题的不同点,提出一种新的基于循环修正策略的翻译分词方法来解决翻译错误问题。基于循环修正策略的翻译分词方法在机器翻译模型翻译的过程中直接利用待分词的句子来纠正错误的译文,提高模型的分词的准确度。设计并实现了集成翻译器、纠错器的中文分词模型CWSTransformer,使用翻译器实现初步分词,通过纠错器完成对翻译结果的纠正。在翻译器中采用了机器翻译模型。在纠错模块中,采用了基于循环修正策略的翻译分词方法。对CWSTransformer翻译器中的输出部分进行改进,得到分词速度更快的中文分词模型CWSTransformer-S。实验在标准数据集PKU和MSR上对不同的翻译分词方法进行比较。实验结果显示在相同的实验环境下,基于CWSTransformer的分词方法在分词准确度上最多能超过其他翻译分词方法4.2个百分点。CWSTransformer-S在分词速度上相比于CWSTransformer最多能提升了近5.5倍。