Identificamos una serie de aspectos que pueden mejorar el rendimiento de la Reparación Neuronal Difusa (NFR), un método fácil de implementar para integrar coincidencias de memoria de traducción y traducción automática neuronal (NMT). Exploramos diversas formas de maximizar el valor añadido de las coincidencias recuperadas dentro del paradigma NFR para ocho combinaciones de idiomas, utilizando sistemas NMT basados en Transformer. En particular, probamos el impacto de diferentes técnicas de coincidencia difusa, métodos de segmentación a nivel de subpalabra y características basadas en alineación en la calidad general de la traducción. Además, proponemos una técnica de combinación de coincidencias difusas que busca maximizar la cobertura de palabras fuente. Esto se complementa con un análisis de cómo la calidad de la traducción se ve afectada por la longitud de la oración de entrada y la puntuación de coincidencia difusa. Los resultados muestran que aplicar una combinación de las modificaciones probadas conduce a un aumento significativo en la calidad de traducción estimada sobre todas las líneas base para todas las combinaciones de idiomas.