复句是汉语语法重要的实体,它包含两个或两个以上的分句。其中,复句内分句之间的层次结构和逻辑语义比较复杂,要理解复句的语义,首先要弄清楚复句内分句的语义以及分句的层次关系。汉语复句层次关系的正确划分不仅对自动问答、机器翻译具有重要意义,也有利于推动篇章理解的发展。关系标记是复句中连接分句标明关系的词语。关系词非充盈态复句由于关系标记的部分缺省,不能显式标识出复句的层次结构和逻辑语义关系,使得关系词非充盈态复句的层次关系很难识别。本文以三句式关系词非充盈态复句为研究对象,采用深度学习的方法自动判别关系词非充盈态复句的层次归属。所做的工作如下:首先,本文利用标点符号和依存句法对复句内分句先进行初步划分,然后利用构建规则库对伪分句进行过滤,实现对复句内分句进行准确划分。其次,对复句内分句进行了三方面的特征提取:第一,构建分句的句法分析树,用深度优先算法遍历句法分析树,提取分句的句法成分,并计算得出分句间的句法相似度。第二,提取分句的核心论元,从训练的词向量模型中提取核心论元的词向量,计算得出分句间的语义相似度。第三,设计了主语提取器,首先提取分句的主语,然后判断分句之间的主语是否一致,计算得出分句之间的主语相似度。再次,构建关系词非充盈态复句层次划分模型。本文根据提取的特征数据训练关系词非充盈态复句层次划分模型。通过对特征数据集的分析发现,复句层次关系的划分与分句之间的语义相似度联系紧密。所以,本文在训练复句层次划分模型的过程中提高了语义相似度的权重,从而进一步提高了关系词非充盈态复句层次划分模型的准确率。最后,对本文提出的方法进行验证。本文从CCCS语料库中挑选10000条复句对关系词非充盈态复句层次划分模型进行测试,准确率为73%。同时,选取了随机森林、支持向量机与神经网络作对比,在相同的训练集和测试集中,三个模型分别从精度、查全率、查准率、Roc曲线、Auc几个方面进行评估,发现基于神经网络的关系词非充盈态复句层次划分模型取得了更优的效果,从而证明了本方法的有效性。