机器翻译通过计算机实现不同自然语言之间的转换，具有很高的应用价值。近年来，机器翻译研究取得了长足的进步，译文质量不断提高，尤其是基于神经网络的机器翻译的兴起，使得译文的流畅性得到了极大的提升。然而，神经网络机器翻译也遇到一些问题，限制了机器翻译实用性的进一步发展。一方面，神经网络机器翻译模型在翻译忠实性方面有所欠缺，翻译结果经常出现漏词甚至漏掉短语的现象。学术界提出了很多神经网络机器翻译的翻译性能优化技术，这些优化技术的组合性能需要得到进一步验证。另一方面，神经网络机器翻译模型的计算量较大，对模型的离线化部署，尤其是移动端的部署提出了挑战。神经网络机器翻译技术的进一步优化，对于提升机器翻译的译文质量与实用性，具有重要的理论意义和应用价值。

本论文首先从考查神经网络机器翻译模型的特点出发，在验证大量工作的基础上，通过融合多个方面的技术，提升神经网络机器翻译的实用性。