中国由56个民族组成,各民族文化差异巨大,经济发展情况不一。为了实现中华民族伟大复兴的“中国梦”,各民族间经济文化的交流必不可少。然而,各民族语言的差异成为了主要障碍。语言翻译是克服这一障碍的主要途径。由于专业人工翻译难以满足人们的翻译需求,机器翻译成为了克服这一障碍的重要手段。维语作为维族人民的民族语言,具有少数民族语言平行语料少、语法结构复杂等特点,可以作为研究少数民族语言和汉语翻译之间的切入点,为以后少数民族语言的翻译提供更多的思路和方法。目前,大多数维汉翻译的研究成果都是基于传统的统计机器翻译模型,利用小规模平行语料训练完成的。这些研究大都遵循了较为传统的统计机器学习思路,并取得了一定的成果。但是,有关维汉神经机器翻译的研究仍然处于探索阶段。本文的研究针对维汉翻译的特点,采用不同于统计机器翻译的思路和方法,基于神经机器翻译的技术路线,完成了以下工作:(1)学习了神经机器翻译理论及相关技术。本文首先对神经机器翻译相关概念进行了阐述,然后介绍了各种模型及技术手段,接着详细描述了机器翻译自动评测方法及工具。(2)提出了基于Self-Attention的语言模型以及基于双编码器双解码器的翻译模型。为了解决平行语料不足的问题,本文采用基于Self-Attention的语言模型来充分利用单语语料提升翻译效果。另外,为了充分提取维汉两种语言的特征,本文提出了基于双编码器双解码器结构的翻译模型,并且给出了结合回译过程的训练算法。最终完成维汉翻译任务。(3)对比分析了各模型在维汉翻译任务上的效果。在拥有小规模维汉平行语料库和维汉单语语料库的前提下,对比实验了基于短语的统计机器翻译、有监督学习的神经机器翻译、无监督学习的神经机器翻译以及半监督学习的神经机器翻译,并对结果进行了分析。最后,基于以上创新点和其他相关研究工作,本文实现了一个基于B/S架构的维汉神经机器翻译系统。实验结果表明采用本文的模型及算法可以有效提升维汉翻译效果。