在人机交互的研究领域中,语音合成技术一直占有举足轻重的地位,如何提高语音合成水平已成为专家学者研究的一项内容。在语音合成系统中,语音合成水平的高低依赖于可懂度与自然度两种基本要素。当今水平,关乎语音合成质量的第一要素可懂度已达到预期目标,而在另一要素自然度上还相差较远,因此,如何提高自然度水平成为了目前语音研究的重中之重。高自然度的语音形成依赖于高精确度的韵律层级划分,为此,本文从深层文本特征出发,深度剖析了句法结构、依存句法结构同韵律结构之间的关系,并从中提取相关文本特征进行模型训练,以此来提高韵律短语的预测水平。本文主要研究内容有:(1)句法结构与依存句法结构特征分析与提取目前对于韵律结构的层级划分多数采用的是浅层的文本特征,比如词的内容、词性、词长,对于较深层次的句法特征没有利用。然而,更为深层的语法信息或语义信息对于韵律短语的准确划分有着非常重要的作用。因此,本文通过采用句法分析器BerkeleyParser和依存句法分析器LTP分别对语料进行句法结构及依存句法结构的分析,并利用相关算法提取相关特征项。(2)句法依存结构与韵律结构的关系分析本文从句法结构与依存句法结构出发,利用相应的句法分析器分别提取句法层级差、依存类型、连接点和内弧跨度这几种特征,统计分析这些特征同韵律短语之间的联系,最后将这些较深层次文本特征与上述浅层次文本特征相结合,构建特征集。(3)基于句法依存的汉语韵律短语识别利用提取的特征集构建特征模板,然后分别用条件随机场模型,最大熵模型以及BP-adaboost神经网络模型进行训练预测,构建不同韵律短语预测系统。最后,将其结果与基于浅层文本特征的识别结果进行比较。