统计机器翻译可以通过统计方法预测出目标词，但没有充分理解原文语义关系，因而得到的译文质量不高。针对该问题，利用一种基于门控单元循环神经网络结构来对蒙汉神经机器翻译系统进行建模，引入注意力机制来获取双语词语的对齐信息，并在构建字典过程中对双语词语进行词性标注来强化语义，以此来缓解因欠训练导致的错译问题。实验结果表明，与RNN的基准系统和传统的统计机器翻译方法相比，该方法 BLEU值得到一定的提升。