随着信息技术的发展，可以利用的信息资源越来越丰富。人们难以从这些资源中找到自己需要的信息，因此，自动问答、信息检索、信息抽取等技术应运而生。自然语言处理技术作为这些应用的基础，其重要性日益突出。自然语言处理技术是指使用计算机技术来研究和处理自然语言，包括分词、词性标注、句法分析、语义分析等。其中句法分析技术是一项关键性的基础工作，十分重要。 本文对自然语言处理中的句法分析技术进行了研究。分析了目前常用的句法分析理论和方法，比较其优缺点，选择概率上下文无关语法作为本文的句法分析模型，概率上下文无关语法具有很好的鲁棒性和可理解性，其概率计算相对简单，解析算法可以从上下文无关语法的解析算法直接扩展得到。 本文分析了汉语中一些词语的特殊用法，提出了语法功能词的概念，利用语法功能词对经典的概率上下文无关语法进行了扩展，得到了包含语法功能词的概率上下文无关语法，并从中生成语法功能词表。在此基础上，提出了基于语法功能词的概率Chart算法。该算法在Chart算法基础上，首先识别出所有包含语法功能词的短语，进一步分析这些短语之间的关系，最终通过概率计算，选择概率最大的语法树作为输出。同时，该算法通过引入省略句的语法规则，提供了两种解析标准：完整句和省略句，分别用于解析汉语中完整句和省略句。 汉语组块分析目前发展迅速，在最长名词短语识别、动宾短语识别等领域取得了不少成果。本文借助于知网中的中文信息结构库，尝试从语义角度进行组块识别，并把该方法作为基于语法功能词的概率Chart算法的预处理步骤，将输入句子中符合信息结构模式的相邻词语合并，以降低后续分析的复杂度。因为中文信息结构库的不一致性，我们对中文信息结构库进行了规范化处理。由于信息结构中管辖关系难以确定，我们没有考虑管辖关系，而且消除了其中一些重复的信息结构模式，并定义了义原标注集合，把输入句子中词语的标注结果使用标注集中的相关义原代替。使用基于信息结构模式的组块识别算法对输入句子进行分析，使用多种规模的信息结构模式库对算法进行了实验。本文的主要工作包括以下几个方面： (1) 对当前句法分析领域常用的理论和方法进行了介绍，选择了概率上下文无关语法作为本文的分析模型。介绍了解析上下文无关语法的常用算法，选择Chart算法作为本文的基础。 (2) 分析了汉语中一些词语的用法，提出了语法功能词的概念，对经典的概率上下文无关语法进行了扩充，得到包含语法功能词的概率上下文无关语法，从中生成语法功能词表。在此基础上，提出了基于语法功能词的概率Chart算法。 (3) 分析了知网中的中文信息结构库在汉语组块识别中的作用，尝试使用中文信息结构进行组块识别。对中文信息结构库进行了规范化处理，在此基础上提出了基于信息结构模式的汉语组块识别算法。 (4) 以基于信息结构模式的汉语组块识别算法为预处理模块，基于语法功能词的概率Chart算法作为句法分析模块，实现了一个句法分析原型系统。并对实验结果进行了分析。