---
title: "成分句法分析（Constituency Parsing）"
slug: constituency-parsing
language: zh-TW
source: https://aiterms.tw/terms/constituency-parsing
updated_at: 2026-06-23
tags: [自然語言處理, 句法分析, 語法結構, 樹狀結構, 文法]
ipas_term: false
---

# 成分句法分析（Constituency Parsing）

將句子分解為層級詞組結構，建構樹形解析樹以顯示詞語與詞組的組成與支配關係。

## 完整說明

成分句法分析（Constituency Parsing）是自然語言處理的基礎任務，將句子遞迴地分解為越來越小的成分（詞組與詞語），形成樹狀結構。相異於依存分析直接連接詞語，成分分析強調詞組的層級性，提供了短語結構與組成關係的清晰表示，廣泛應用於語法檢查、文法教育、機器翻譯等領域。

## 常見問題

### 什麼時候用成分分析，什麼時候用依存分析？

成分分析適合需要詞組層級理解的任務：語法檢查、教育應用、風格分析。依存分析適合語義應用：資訊擷取、語義角色標注、語義相似度。在實踐中，兩者可互相轉換（自動化程度有限），選擇應基於應用的具體需求與現有工具支援。

### 為什麼成分分析計算成本比依存分析高？

成分分析的搜索空間是指數級（Catalan 數），一個 n 詞句子有 O(4^n/n^1.5) 種可能樹；依存分析搜索空間是多項式級，只需 O(n²) 邊。現代神經分析器使用動態規劃與束搜索（beam search）降低計算，但理論複雜度仍是基本限制。

### 新預訓練模型怎樣改善了成分分析？

BERT 等模型提供高質量上下文表徵，減少了對手工特徵工程的依賴；Span-based 分析器利用這些表徵直接預測成分，無需複雜的樹搜索，既提升準度又降低計算成本。此外，多任務預訓練（如同時學習成分與依存分析）進一步提升性能。

---

來源：https://aiterms.tw/terms/constituency-parsing
快查頁：https://aiterms.tw/terms/constituency-parsing
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-constituency-parsing