复句关系词是连接复句分句的桥梁,是研究汉语复句的切入点。对复句关系词自动识别的前提是对汉语复句进行正确的分词,而复句关系词切分消歧是复句关系词自动识别的基础。目前使用的分词系统在对汉语复句进行分词以及词性标注过程中存在着很多错误,给关系词识别造成困难。本文的主要目的是针对复句关系词与其他词切分在一起的情况进行研究,对歧义字段进行重新分词,并对分词后的结果进行词性标注,从而完成对切分歧义字段的消歧。文章首先对通过中科院的分词系统NLPIR对复句语料进行分词处理,并对六句式以下的复句语料进行关系词标注以及提取。在提取过程中,对复句语料分词后的结果进行分析,总结出复句关系词切分歧义字段的规律。然后,对关系词与其他词切分在一起的情况进行研究,并对其复句语料进行提取,根据这些复句关系词的特征建立规则,利用关系词本体库以及规则检索出切分歧义字段并对其进行正确切分。最后,通过构建BP神经网络模型,对模型进行训练,提取切分歧义字段的上下文语境词的词性特征以及对词的词性权重进行向量化,映射到神经网络的节点中。通过将误差与期望值的比较,并将误差反传,从而得到合适的权重,实现对词的词性进行标注,达到消歧的目的。在实验过程中,我们选取了七个比较常见的复句关系词,并从CCCS复句语料库提取条复句语料进行测试,切分歧义字段消歧的正确率达到93.4%,从而验证了基于规则与BP神经网络相结合的方法对复句关系词切分消歧的处理是有效的。