在自然语言处理(NLP)中，歧义问题一直是研究的重点和难点。它是一项“中间任务”，对于自然语言处理中的许多应用领域具有重要的理论和实践意义，包括机器翻译、信息检索、句法分析、语音合成等，该问题解决的好坏将直接关系到这些应用问题的效果优劣。尤其是短语结构的歧义，它已经成为影响句法分析效率和准确率的重要因素。　　 本文主要是在研究获取支持短语结构消歧的方法基础上，给出了一整套基于语义相关度计算的短语结构的歧义消解策略。论文主要从以下几个方面作了重点研究和创新：　　 首先，介绍了短语结构歧义的类型，比较和详细分析了以往的短语结构歧义消解策略，提出了基于语义的短语结构消歧策略；同时通过比较分析了各种语义学的理论及各种语义知识表示方法后，提出了利用知识图的知识表示方式来表示语义知识。　　 其次，给出了知识图中的语义知识资源是根据知网中语义词典自动生成的，及在短语分析过程中生成短语图的原理。本文将把语义知识应用到了语义计算上，详细分析了基于语义词典的相似度计算原理，并提出了基于知网语义相关度计算方法。该方法利用知网中义原之间的纵向和横向关系及实例因素计算出不同词性的相关度，根据相似度的对称性计算实例的影响因素，由此提高语义相关度的准确率。　　 最后，关于短语结构的歧义消解的进一步工作进行了总结和展望。本文提出的基于语义相关度计算的短语结构消歧模型，使得汉语句法分析效率得到了进一步的提高，在自然语言处理中歧义消歧系统的开发有一定的指导和借鉴意义。