Para superar la escasez de datos en el modelo de incrustación de palabras entrenado en lenguas de bajos recursos, proponemos un modelo de incrustación de palabras basado en la puntuación y en un corpus paralelo. En particular, generamos la matriz de co-ocurrencia de pares de palabras global con la función de atenuación de distancia basada en la puntuación, e integramos esto con los vectores de palabras intermedios generados a partir del corpus paralelo bilingüe de pequeña escala para entrenar la incrustación de palabras. Los resultados experimentales muestran que, en comparación con varios modelos de referencia ampliamente utilizados como GloVe y Word2vec, nuestro modelo mejora significativamente el rendimiento de la incrustación de palabras para lenguas de bajos recursos. Entrenado en el corpus restringido de inglés-chino, nuestro modelo ha mejorado en 0.71 puntos porcentuales en la tarea de analogía de palabras y ha logrado los mejores resultados en todas las tareas de similitud de palabras.