当前计算机科学中的自然语言处理相关研究迅速发展,而寻求更好的句法解析则是众多自然语言处理系统中关键的一环。其中,依存分析句法凭借相对短语结构句法更直观简洁的表达形式和词序无关的优点,在近年逐渐成为研究的焦点。本文就依存分析方法展开研究,分析基于图和基于转移的两种主流依存分析方法,针对现有依存分析器对非投影语言的支持不足,通过模拟人在处理自然语言时的分析过程,提出一种全新的依存分析器框架,来更好地利用高阶特征和支持自由语序。在每一步的解析当中,首先确定当前最容易解析的从属词,然后选出最优核心词并构成依存边,加入解析结果中,逐步生成一棵解析树。本文构建的系统框架由两部分组成:解析序列生成器和核心词匹配器,两个部件之间通过解析序列协同工作。其中解析序列生成器确定一个解析的顺序,使得解析遵循简单优先的原则;核心词匹配器以线性打分器为依据,按照解析序列为每个当前处理词选择最佳核心词。本文中贪心的解析策略在华尔街日报测试语料中获得了较好的结果,端到端解析精确度达到89.50%,并在5个非投影语言当中测试非投影边的解析精确度中,展示了较基于图和基于转移的依存分析器更优的结果。此外,本框架还能灵活地支持纳入现有的解析优化技术,系统的两大部件之间具体实现相对独立,可以分别优化和组合。