节奏层级的预测是语音合成系统中必不可少的环节，它是生成静音、基频和时长等韵律参数的前提，其准确率很大程度上决定了合成语音的自然度甚至可懂度。本文采用三层结构——韵律词、韵律短语和语调短语来定义汉语节奏。在统计和分析了各级节奏单元的语法特性和长度分布规律的基础上，本文对比了多种统计机器学习模型在汉语节奏预测上的效果，选定了基于最大熵模型的预测框架。与算法相辅相成的是信息的使用，如何有效的利用和优化能够可靠获得的信息以提高节奏预测的精度，是本文的研究重点所在。具体来说，本文的主要工作包括以下几个方面：　　 (1)构建了大规模的节奏标注语料库。统计分析指出，浅层语法信息与低层节奏单元的对应关系比较明显，深层语法信息，无论是语法结构的层级高低还是短语类型，都不能为高层节奏单元的界定提供确切的信息。　　 (2)对三个节奏层级分别进行了统计建模。根据语法词合并和分解生成韵律词的特点，韵律词预测的模型分为归并模型和分解模型。韵律短语和语调短语预测的模型既考虑了语法约束，也考虑了短语自身的长度分布规律。基于最大熵模型比较了多种特征选择方法，实验结果显示，只要保证了特征的统计稳定性，不同特征选择方法的效果相差不大。在语调短语预测中，本文尝试使用深层语法信息，但效果不明显。本文还提出了多种长度约束模型，细致的分析了长度信息对语调短语预测的贡献，得出了一些有趣的结论：人们在说话时，倾向于长短相间的停歇；节奏的规划是一种短时的局部规划；对短语长度独立建模能够有效地抑制错误传递，因此效果好于将长度信息作为统计分类模型的特征之一。　　 (3)提出了自动调整词性集的策略。首先基于层次聚类的思想设计了词性缩减的迭代算法，并提出了度量词性相似度的向量空间模型和条件概率模型，对词性聚类算法进行了优化，大大缩短了词性聚类算法的收敛时间。然后又基于对数似然比来选择对短语边界最具区分能力的关键词，并设计了词性增补的贪心算法。实验结果显示，词性集的自动调整显著地提高了节奏预测模型的性能。　　 (4)提出了两种自动生成特征模板的客观方法：基于决策树的规则转化法和基于层次聚类的贪心算法。前者将决策树叶子节点对应的规则转化为TBL算法的模板。实验结果显示，决策树模板既能较好地替代手工模板，也能为手工模板提供有益的补充。后者在每轮迭代中，都选择对预测结果改善最大的特征对合并成模板。特征合并算法在减少了人工参与的同时，显著地提高了语调短语预测的精度，并且还大大缩减了模板的数日。　　 (5)提出了一个综合利用文本和声学信息的节奏自动标注方法。该方法采用基于最大熵模型的层级架构，使用不同的特征集对不同的节奏边界分别建模。对比实验显示，层级模型优于单层模型，声学特征在停延段边界的识别中表现突出，但对于识别韵律词边界不起作用，基频跃变对于检测韵律短语边界贡献较大，能量也能为语调短语边界的识别提供重要信息。　　 本文针对特征优化所做的工作，包括特征选择、词性集调整、模板生成等，不仅可以改善汉语节奏预测的效果，也可以推广到自然语言处理的其它领域，具有一定的普遍意义。