在电子商务日益增长的环境下,跨语言翻译的需求也随之大幅度增加。人工翻译高成本、低效率的问题逐渐显现,阻碍了经济的发展。机器翻译其高效、低成本的特性能够很好的解决该问题,加快推进全球化经济的发展。但目前高质量的机器翻译系统,其训练过程依赖于大规模的平行语料,这些数据往往存在于新闻、医疗领域以及特定语种中,对于大多数语言对而言,平行资源是稀缺的。电子商务领域公开数据资源更是十分匮乏,并且难以构建平行语料。为了解决电商机器翻译存在的资源匮乏和优化翻译性能的问题,本文构建了中英单语电子商务语料库并进行电子商务机器翻译的无监督领域适应研究。（1）针对电子商务领域资源匮乏以及平行语料难以构建的问题,本文采用无监督领域适应方法在电子商务领域进行探索研究。通过几种典型的无监督领域适应方法构建电子商务翻译模型,包含反向翻译、目标端复制、领域感知特征嵌入以及基于词归纳的无监督领域适应方法,这些方法不仅避开了对电子商务大规模平行语料的需求,同时解决了领域数据差异导致的翻译性能较低的问题。实验结果表明,无监督领域适应是解决领域资源匮乏的有效方法,并且解决了因领域数据差异导致的翻译性能低的问题。（2）针对无监督领域适应中未充分利用内领域数据以及词对匹配不佳,即伪语料质量较差的问题,本文提出了基于混合策略和短语验证无监督领域适应方法。首先采用混合策略的无监督领域适应方法,采取逐渐融合方式联合内领域数据与外领域数据,最后最大化利用内领域数据提升翻译性能。在此基础上,引入短语验证方法,该方法是在混合策略的迭代更新过程中对伪语料中短语进行保留、更新、增加的过程,通过验证筛选伪语料的过程增加了内领域数据信息的比重,从而提高无监督领域适应中的词对准确率,提升翻译性能。（3）针对由于文化不同、表达习惯差异导致的商品描述风格差异的问题,本文提出基于风格感知的无监督领域适应方法。受到短语验证方法的启发,首先引入无监督统计机器翻译优化混合策略,即混合互训练策略,该方法通过统计机器翻译以及神经网络机器翻译的相互训练、相互增强,在此基础上引入拟知识蒸馏实现风格感知,通过基于真实风格的老师模型指导基于真实训练数据的学生模型,使学生模型获得正确的风格信息,实验结果表明该方法不仅能够解决风格差异,同时也能提升翻译性能。综上所述,本文在构建的双语非平行电商数据集上采用无监督领域适应方法进行探索研究,并提出混合策略、短语验证以及风格感知的改进创新方法提升电商文本翻译性能。