机器翻译已经取得了很好的翻译效果,并且随着神经机器翻译的发展,使得翻译质量得到了进一步的提升,更加的方便了各国人民的交流。然而,进行机器翻译需要大量的平行语料,缅甸语属于资源稀缺型语言,互联网上公开的汉-缅平行语料很少,导致了汉语和缅甸语之间的翻译发展缓慢。为了解决平行语料少导致翻译质量差的问题,有关人员研究了多语言联合学习的神经机器翻译,利用资源丰富的语言来提升资源稀缺型语言的翻译效果。多语言联合学习也成为了当前的研究热点。基于此,本文利用汉-英这种资源丰富的语言来提升汉-缅这种语料稀缺型语言的翻译,研究基于共享解码器以及多语言联合训练的汉英缅多语言翻译方法,本文的研究具有实际的应用价值。论文主要取得以下研究成果:（1）汉-缅、汉-英、英-缅平行语料库构建汉-缅双语平行语料资源稀缺,国内外还没有公开权威的汉-缅平行语料集。因此本文主要详细介绍了汉-缅、汉-英、英-缅双语平行语料的获取方法。我们介绍了如何利用爬虫技术爬取语料,以及在爬取语料过程中遇到的问题及解决方法。本文还利用LDA主题模型与双语词向量相结合,从收集到的汉、缅篇章文档中构建可比文档,并从可比文档中抽取平行语料。最后对构建的平行语料数量进行汇总。其中汉-英平行语料为两百多万句对,英-缅平行语料将近二十万句对、汉-缅平行语料有十万句对。（2）基于共享解码器的汉英缅多语言翻译方法针对汉-缅平行语料缺乏的问题,提出了一种基于共享解码器的汉英缅多语言翻译方法,我们将英语和缅甸语当作源语言,汉语作为目标语言。使用BERT模型训练词向量,并训练英-缅的双语词向量当作翻译模型的词汇表,然后使用不同的编码器对英、缅进行编码,在解码端共享同一个解码器,之后进行解码得到缅语到汉语的翻译。其中编码器和解码器都是使用长短期记忆网络。（3）基于多语言联合训练的汉英缅神经机器翻译方法因为汉、英、缅这三种语言的差异性较大,所以我们提出了基于多语言联合训练的汉英缅神经机器翻译方法,并且实现多语言到多语言的翻译。我们使用基于Transfomer网络进行汉英缅多语言翻译,在模型中将汉、英、缅词向量映射到共享语义空间,这样可以减小三种语言的差异性。因为源语言和目标语言都有三种语言,所以我们探讨使所有源语言和目标语言共享同一个编/解码器。最终来提升缅甸语的翻译效果。（4）基于多语言联合学习的汉英缅神经机器翻译原型系统基于Web技术研发了多语言联合学习的汉英缅神经机器翻译原型系统,实现了汉-缅、英-缅翻译可视化展示,为开展利用多语言联合学习来提升东南亚低资源语言的翻译提供了技术支撑。该系统的模块包括了句子输入模块、分词模块、翻译模块以及输出模块等模块。