依存句法分析是自然语言处理 (NLP) 中的一项技术，用于分析句子的语法结构，以确定单词之间的关系。与侧重于将单词分组为短语的方法（如成分句法分析）不同，依存句法分析直接将单个单词之间的关系映射为“中心词”和“依存词”。例如，在句子“She eats apples”中，“eats”是根动词（中心词），“She”是主语（“eats”的依存词），“apples”是宾语（“eats”的另一个依存词）。这些关系形成一个树状结构，其中每个单词（除了根词）都恰好有一个父词，代表其句法角色。这种方法有助于揭示句子的底层结构，使其更容易以编程方式解释含义。
为了执行依存句法分析，算法通常使用基于规则的系统、统计模型或神经网络。转换式分析器是一种常见的方法，它逐字处理句子并应用一系列动作（如“移位”或“归约”）来构建依存树。例如，给定句子“After the meeting, he left quickly”，分析器可能会首先将“left”识别为主要动词，然后将“he”链接为主语，将“quickly”链接为修饰“left”的副词。基于图的方法是另一种方法，它对单词之间所有可能的关系进行评分，并选择得分最高的树。SpaCy 或 Stanford Parser 等现代工具使用预训练模型，将这些技术与机器学习相结合，利用词性标签和词嵌入等特征来提高准确性。这些模型是在带注释的语料库（例如，Universal Dependencies 数据集）上训练的，这些语料库提供了依存结构的标记示例。
依存句法分析广泛应用于需要理解句子结构的 NLP 任务中。例如，在信息提取中，它有助于识别句子中“谁对谁做了什么”之类的关系。如果用户写道“Amazon acquired Ring in 2018”，依存句法分析器会将“acquired”（动作）链接到“Amazon”（主语）和“Ring”（宾语），使系统能够提取结构化数据。它还可以通过澄清复杂句子中的依存关系来帮助问答：在“The book that John recommended was published in 2020”中，分析器将“recommended”连接到“John”和“book”，帮助系统正确地归属动作。此外，依存树通过识别否定范围来改进情感分析——例如，在“The service wasn’t fast”中，分析器将“wasn’t”连接到“fast”，确保情感模型正确解释否定。对于开发人员来说，将依存句法分析集成到管道中通常涉及使用 SpaCy 等库，这些库提供预训练模型和一个 API 来直接访问依存标签和树结构。