1、中文句子級別的基本分析技術(shù)能為自然語言處理相關(guān)應用提供基礎(chǔ)的支撐，它主要由詞法、句法和語義分析三部分組成。其中詞法分析包含分詞和詞性標注兩個級聯(lián)的任務；句法分析有短語結(jié)構(gòu)和依存結(jié)構(gòu)句法分析兩種主流的分析手段；而對于語義分析，本文著重于語義依存分析。這些任務之間是存在著層次關(guān)系的，對于一個句子本文首先要進行分詞，然后是詞性標注，緊接著是短語結(jié)構(gòu)或者依存結(jié)構(gòu)句法分析，最后是語義依存分析。
　　傳統(tǒng)的分析方法一般按照層次順序依次使用各個

2、任務最先進的模型進行處理，這種方法被稱為串行分析的方法。它存在兩個方面的問題：第一點是錯誤蔓延問題，即低層的錯誤會進一步擴散到高層；第二點是每層局部優(yōu)化，因此低層的任務無法充分使用高層的信息。這兩個問題使得聯(lián)合分析模型的方法得到了廣泛的關(guān)注，它將多個層級相鄰的任務放在一個統(tǒng)一的模型中來處理，從而避免這兩個問題，因此能夠提高各個任務的分析性能；同時它還可以使得自然語言處理的研究人員能更好的理解各個任務之間的相互關(guān)系。本論文對聯(lián)合分析模型展

3、開了四個方面的研究工作，分別如下所示：
　　首先，針對詞法中的分詞詞性標注，本文對提升其聯(lián)合分析模型的領(lǐng)域移植能力進行了研究。領(lǐng)域移植問題最有效的解決方法是標注少量規(guī)模的目標領(lǐng)域語料，本文在標注語料的具體方式上進行改進，提出將句子標注和詞典標注相結(jié)合，使得在固定的標注代價下，分詞詞性標注聯(lián)合分析模型的領(lǐng)域移植能力進一步增強。實驗結(jié)果表明這種結(jié)合的方法能取得更好的領(lǐng)域移植效果。
　　其次，針對詞性標注和依存句法，本文對提高其聯(lián)

4、合分析模型的效率進行了研究。本文使用一種模型融合和過訓練相結(jié)合的方法，一方面通過模型融合可以使得聯(lián)合分析模型精度進一步提高但是其解碼速度也進一步的下降，而另一方面通過過訓練可以使得一個速度快但是精度低的聯(lián)合分析模型在前面融合模型的幫助下，準確率大幅度提升，從而得到一個分析速度提升十倍以上而且精度沒有任何的損失的聯(lián)合分析模型。
　　緊接著，針對分詞詞性標注和句法分析，本文利用大部分中文詞語存在著內(nèi)部結(jié)構(gòu)這一特點，提出字級別的中文句法

5、分析方法，從而非常自然的將詞法分析和句法分析聯(lián)合在一起，得到了中文詞法句法大統(tǒng)一的聯(lián)合分析模型。實驗結(jié)果表明，這種字級別的分析方法能有效的提升中文詞法句法的性能，取得了目前最好的結(jié)果。
　　最后，針對句法分析和語義分析，本文依托于依存分析這一手段，使得語義分析和句法分析的聯(lián)合變得非常方便，從而得到了句法依存和語義依存的聯(lián)合分析模型。由于中文語義依存分析的方法以前很少被用作于語義分析，因此本文首先從理論和實驗兩方面表明語義依存分析作