机器翻译是指运用特定的计算机程序将一种自然语言转换为另一种自然语言的过程。自上世纪50年代提出机器翻译的思想以来,机器翻译领域的研究经历了从规则到统计再到深度学习的理论和技术的多次迭代,是整个人工智能领域中最为活跃的研究方向,取得了巨大的进展,并且在未来有广阔的发展前景。藏汉机器翻译研究作为藏语自然语言处理领域中主要的课题之一,一直是我国少数民族语言信息化研究的重要工作。本文着眼于藏汉机器翻译研究中的数据稀疏问题,在Transformer神经网络翻译模型基础上,运用百万句子单语数据大规模迭代式回译策略和译文自动筛选机制,使最终的模型比基准模型有4个BLEU值的提升,证实了回译方法的有效性。除此之外,论文还实现了基于短语的统计翻译模型和三类基于主流神经网络构架的藏汉机器翻译基准模型,并对面向神经网络藏汉机器翻译的分词方法进行了研究分析。本篇论文的主要内容包括:·研究和分析了面向神经网络的藏汉机器翻译的分词方法,以实验方式证实了基于字节对编码的子词分词模型有最好的表现;·实现了用于辨别藏汉句对翻译等效性的端对端分类器;·结合翻译等效性的分类器和大规模对偶迭代式的回译策略,实现了藏汉翻译在稀疏资源条件下使用单语数据提升神经网络机器翻译性能的有效模型。