伴随着计算机综合能力的日益强大和互联网的迅猛发展,社会的信息化程度越来越高,自然语言作为信息的重要载体,对它的计算机处理就显得格外重要。句法分析是自然语言处理的一个基本问题。基于历史信息的句法分析模型将句法分析树的构建转换为一系列的分类问题,由于其采用机器学习的方法,且与具体的语言和文法关联较少,因此具有较强的灵活性和可扩展性。本文基于统计的方法,提出了一种基于历史信息的中文多层次句法分析方法,在正确分词的基础上,实现了一个包括词性标注、基本短语识别、深层句法分析的基于词的句法分析系统。系统采用最大熵模型进行参数学习,在每层处理过程中,优先识别出容易识别的组块,在此基础上根据更丰富的上下文信息循环进行复杂组块的识别,直至识别出根结点。实验证明本系统取得了较好的性能。本文还实现了基于词的句法分析树到基于字的句法分析树的转换,最终实现了一种基于自动分词的句法分析系统,系统的分词准确率在96%左右,在宾州中文树库测试集Section271-300上,实验分析了系统的性能,并进一步分析了不同分词结果对句法分析的影响。