机器翻译的任务是利用计算机将一种自然语言（源语言）的文本自动翻译成另一种自然语言（目标语言）。近年来,随着深度学习技术的突破式发展,神经机器翻译的性能取得了长足进步,成为了主流的翻译方法。翻译记忆是一个存储了专业译员翻译历史的语料库,将翻译记忆与神经机器翻译相融合,为机器翻译模型提供匹配度较高的参考译文作为指导,可以提升神经机器翻译的质量。目前通常采用先检索后翻译的两阶段融合方法,给定待翻译的源语句,先从翻译记忆中检索与之最相似的句对,再利用句对中目标端的译文,指导源语句的神经机器翻译。针对现有方法不适用于双语语料缺乏的低资源场景且难以实现参数共享和一体化训练的问题,提出了一种基于跨语言注意力记忆网络的方法,可以实现单语翻译记忆与神经机器翻译模型的融合,且实现检索和翻译过程的一体化训练。实验结果表明,与现有方法相比,该方法取得了更高的翻译质量,且适用于低资源场景。针对现有方法在检索阶段语义相似度计算不够精准和翻译阶段对句法知识利用不足的问题,提出了一种加入预训练语言模型和句法知识的方法,利用预训练模型实现了更好的文本嵌入表示,使相似度计算更加准确,并将源语句的句法信息加入融合翻译记忆后的文本表示,使翻译模型可以在句法层面上更有效地利用翻译记忆。实验结果表明,该方法也可以有效地提升融合效果。