依存句法分析是相对与传统短语结构句法分析更有优势的工具。它的优势主要在于简单性和普遍性：它可以让有很少语法背景知识的人快速地了解一个句子的结构并且对于各种语言都用同一种结构来表示。依存句法分析着眼于分析出句子中的修饰关系(比如形容词修饰它后边紧跟的名词)。传统的依存句法分析大致可以分为三类：即基于图的方法、基于转移的方法和半监督的方法。各种方法都有其优势和劣势,但是长距离依存关系对于这些算法来讲都是比较难以克服的问题。其中基于图的方法的研究热点在于引入高阶信息；基于转移的方法的研究热点在于在原来的贪心算法的基础上扩大搜索空间；半监督算法的研究热点在于从互联网或者其他地方找到外部信息加入到原来的特征集中。本文提出一个简单有效的方法,即通过使用基于chunk的信息并且使用多种特征模板来提高依存分析的性能。论文的主要贡献在于使用了多种特征模板并且部分解决了长距离依存问题。首先,本论文使用一个开源的一阶条件随机场模型来训练出一个文本chunker(就是把句子划分成词组)；然后针对每一个句子,本论文使用chunk信息和标点符号信息构建出一棵从句-短语树；最后,本论文根据从句-短语树来为依存分析算法抽取出基于chunk的特征并把抽取出来的特征添加到原来的特征集中。本论文对MSTParser算法和Carreras算法进行扩展,实验结果表明本论文的方法显著地超过baseline系统,而且没有使得系统的复杂度变高。如果给定已知的chunk信息,依存句法分析的准确率分别从91.36%和92.20%提高到93.19%和93.89%。