近年来，基于神经网络的机器翻译成为了机器翻译领域的主流方法，但是在低资源翻译领域中仍存在平行语料不足和数据稀疏的挑战。针对维-汉平行语料不足和维吾尔语形态复杂所导致的数据稀疏问题，本文从维吾尔语的音节特点出发，将单词切分成音节，同时融入BME标记思想，提出一种基于带标记音节的神经网络机器翻译方法。与使用单词粒度和BPE粒度的两类神经网络机器翻译方法对比，本文方法在维-汉机器翻译任务中分别提升7.39与3.04个BLEU值，在汉-维机器翻译任务中分别提升5.82与3.09个BLEU值，可见在平行语料不足的条件下，该方法有效地提升维-汉机器翻译的质量。