本文提出的基于语义信息共享的 Transformer 机器翻译模型在对古文的翻译中，优于传统 seq2seq 模型、基准 Transformer 模型以及相关研究中所提文献模型。本文主要基于基准 Transformer 做了两点改变，一是在数据处理阶段源语言和目标语言共享同一个词表，二是在模型训练阶段编码器和解码器共享嵌入层参数。通过对实验结果的分析，本模型的翻译效果良好，但在处理古文的通假字和缺乏上下文等特殊情况上还有待改进。在后续研究中应针对上述问题进行探讨，以更进一步提高译文的质量与准确性。