句法分析是机器翻译的核心部分,而依存关系分析又是一种重要的句法分析方法,依存关系分析所成生的依存关系树即可以表示词与词之间的深层联系又可以节省存储空间。本文研究了使用支持向量机(SVM)进行中文依存关系识别的方法。 因为组块分析可以判断出确定性高的部分结果,减少句法分析中的歧义,所以本文在组块基础上进行依存关系分析,为了使句子中的每个词都属于且仅属于一个组块,所以扩展了自然语言处理实验室原有的六种组块类型,使组块类型扩展到十二种。 在依据依存公理的基础上,制定了一套中文组块间依存关系体系,共定义了二十四种组块间的依存关系类型,为依存关系语料库的制作提供了标准。 本文分别使用了确定性分析算法和非确定性分析算法配合SVM分类器进行中文组块的依存关系识别,因为Nivre算法已经成功的应用于英文的依存关系分析,又因为英文和中文在句法特点上具有一定的相似性,所以本文采用Nivre算法作为中文组块依存分析的确定性算法。根据中文组块的特点本文设计了非确定性算法,其基本思想为,对句子中任意的两个组块,使用SVM分类器判断它们之间的依存关系,并得到他们之间的依存系数,即两组块之间的依存关系的强弱,然后为每个组块选取依存系数最大的节点作为支配节点,最后消除交叉依存和循环依存,输入一颗完整的依存关系树。 由实验得出,使用确定性算法的正确率为75.664%,使用非确定性算法的正确率为82.574%,可以看出对于中文组块依存关系分析来说,非确定性算法的性能要好于确定性算法,本文最后还分析了导致错误分析的部分原因和主要的错误类型。