近年来,随着社会的快速发展,各个领域都需要自然语言处理技术。句法分析作为一种自然语言处理的核心成分,在国民经济建设中和国防建设中起着越来越重要的作用。典型句式是现代汉语一个重要组成部分。典型句式的分析不仅能丰富语言学知识,而且对完善句法分析有着重要作用,因此分析典型句式尤为重要。其他的句式也可应用到本文的模型中。本文在研究汉语典型句式的核心成分识别时,主要围绕着基于规则与统计相结合的方法建立模型,主要工作包括:(1)研究典型句式以及核心成分,尤其是“把”字句的研究,并提取“把”字句的规则模板以及核心成分出现在句子中的位置。(2)在典型句式词性标注时,原有的词性标注工具很有可能出错。为提高典型句式的词性标注准确率,提出了基于转换的错误学习方法。通过大规模的语料和实验得出转化模板。当遇到转化模板中相对应的改写规则和激活环境时,词性将被改写。并给出了“把”字句相应的转化模板。(3)建立最小生成树模型对句子进行分析。利用分词工具对输入的句子进行分词,把分得的词节点化;每两个词节点进行互连,并通过语料计算两个词节点连接的代价;选出互连代价最小的那棵树形成最小生成树,从而分析出句子的核心成分。并通过实验给出了验证。(4)建立规则与统计相结合的模型对句子进行分析。首先对典型句式进行规则匹配,如果能匹配上直接分析出句子。对于规则匹配不了的典型句式,建立隐马尔可夫模型并利用维特比算法求解进而分析出句子。本文对隐马尔可夫模型进行了进一步的改进,利用了词性建立隐马尔可夫模型,简化了工作并提高了典型句式分析的效率以及有效性,并通过实验给出了验证分析。通过对两个模型的句法分析实验得出统计和规则相结合的模型对句法的核心成分提取有着更高的准确率和有效性,并改进隐马尔可夫模型,通过对隐马尔可夫模型的改进简化了工作量,提高了模型的效率。