本研究通过对比自监督学习方法，改进数据增强和去除位置编码，提升了形态丰富、词序自由的低资源语言的依存句法分析性能。在7种语言中，UAS/LAS评分平均提高3.03/2.95分，验证了方法的有效性。

本研究提出了一种基于依存句法分析的情感分析模型，采用新标签策略和图注意力网络，显著提升了性能。通过半监督学习和动态规划改进句法解析器，在多个基准数据集上取得了优异结果。此外，研究探讨了结构性解析对Transformer模型的影响，提出了StructVAE模型，结合未标记数据超越传统监督模型表现。