中文问句中,疑问词与中心词揭示了问句的大部分信息,因此,在中文问句处理中,识别疑问词与中心词变得尤为重要。由于中文的疑问词相对固定,数量也不多,故疑问词的识别准确率很高。然而中文语言的意合性、无时态变化、语序灵活性等特点,以及中心词在数量、位置、成份上的多样性与复杂性,使得中文问句中心词识别变得相对困难。根据中文依存语法,问句可解析成依存关系树,中文问句的常见自然语言结构特征自然就会反映在依存关系树中。因此,可以从中文问句的依存关系树库中,挖掘中文问句的特征子结构,以辅助进行中文问句中心词识别。本文即致力于研究中文问句依存关系树库的挖掘问题,并将挖掘结果应用于中文问句中心词识别。本文主要研究工作如下：(1)中文依存关系树中,节点由词组成,而词的信息是多维的,从而形成树的多维结构,而现有树挖掘领域研究的主要是仅含标号的一维信息的单维树。本文提出多维树的概念,探讨了多维树的性质特征；结合多维树的特征设计了多维树的候选树生成策略以及相应无效树剪枝策略,提出了多维频繁子树模式的挖掘算法,并设计实验验证了算法的有效性。(2)将多维频繁子树模式应用到中文问句中心词标注中,通过挖掘问句依存关系树所蕴藏的中心词各维度特征之间的统计概率关系,来正确标注中心词。该方法通过挖掘频繁依存子树模式以生成相应统计规则模式,建立在严格的统计语料基础上,标注的稳定性、适应性及鲁棒性较好。实验表明,本文方法较CRF方法效果有一定的提升。(3)针对频繁依存子树模式生成的大量统计规则,探讨了依存子树规则的冗余问题。在此基础上,制定了规则精简策略以准确去除冗余规则,达到降低规则库规模的目的。