句法分析是自然语言处理的一个基本问题,也是目前急待解决的一个问题。大多数现有的句法分析是基于统计方法的,基于统计的句法分析模型需要大规模的训练样本,而标注一个大规模样本集需要很大的人力。为了减少标注语料库所需的人力并保证标注的语料库能使句法分析器有较高的精确率和召回率,本文对面向句法分析的样本选择方法进行了研究。目前国内外面向句法分析的样本选择大多采用主动学习的方法,这种方法的思想是让句法分析器自己决定什么样的句子应该作为它的训练样本,但是这种方法同句法分析模型密切相关,选出来的句子有可能会受到模型的影响。为了避免这不足,本文提出了一种独立于模型的样本选择方法,该方法从句子结构上计算句子间的距离,然后用K-means方法对句子进行聚类,根据每类的大小从类中选择出一定的句子组成一个子集。因为这个子集包含的句法规则分布能近似于原句子集的句法规则分布,所以这个子集标注后训练的句法分析器的精确率和召回率近似于用原句子集标注后训练的句法分析器的精确率和召回率,而标注子集所需的人力比标注原句子集所需的人力小。为了检验独立于模型的样本选择方法是否有效,本文利用KL-distance计算了通过该方法选择出的子集同原句子集在句法规则上的相似程度,并用随机选择的句子集作对比,发现通过该方法选择出的子集的句法规则分布同原句子集的句法规则分布很相似。然后本文将选择出的子集标注后作为PCFG模型的句法分析器的训练集,实验结果证明,选择出50%的句子,用其训练的句法分析器就能有近似于用原句子集训练的句法分析器的性能。