汉语依存句法分析作为中文信息处理领域的核心课题之一,一直深受研究人员的关注。而汉语复句又是一种包含复杂结构和语义信息且被广泛使用的特殊句子类型,具有很高的研究价值。同时,深度学习中的神经网络模型在自然语言处理的诸多任务上取得了巨大成功。因此,对基于神经网络模型的复句依存句法分析方法的探讨具有非常重要的研究意义。本文主要围绕基于神经网络模型的复句依存句法分析这一研究课题展开,具体研究工作包括以下三个方面:第一,由于依存树库是基于统计的依存句法分析方法的基础,而传统汉语复句依存树库的标注体系在解释和处理某些涉及到并列结构(联合结构)以及述补结构等语言现象时存在欠缺。因此,本文在修订传统复句依存树库标注体系的基础上,构建了汉语复句依存关系树库。第二,针对基于神经网络模型的依存分析方法在分析复句中分句内的依存关系时容易忽略语言结构的层次而导致在语义理解上有明显缺陷这一问题,本文采取统计和规则相结合的思路,在基于统计的神经网络依存分析模型中引入句子综合分析法的思想,将神经网络依存分析结果匹配汉语结构类型模板进行相应的规则后处理,然后再结合对复句中分句间依存关系的界定,最终得到整个复句的依存分析结果。第三,传统的基于前馈神经网络的依存分析模型虽然在处理单句时具有较高的准确率,但由于复句不同于单句,其句法结构复杂且语义表达丰富,给传统的神经网络模型在处理复句依存分析上带来了一定的难度。因此,本文在分析分句间关系词搭配约束和语义关联特征对复句句法分析的影响的基础上,通过向特征模板中添加了新的元特征、调整神经网络参数和使用协同训练的方式训练该模型这三大措施,对传统的基于前馈神经网络的依存分析模型加以改进,使得复句依存句法分析性能得到进一步的提升。