Las gramaticas independientes del contexto son una forma utilizada habitualmente para representar la estructura sintactica de las oraciones. Muchas tareas dedicadas al procesamiento del lenguaje natural necesitan de dicha estructura para poder interpretar cada frase. Sin embargo, el problema de la ambiguedad sintactica es muy comun (sobre todo en frases con mas de 15 palabras) y dificulta enormemente la labor. Algunos autores establecen que la mayoria de ambiguedades sintacticas se pueden resolver sin utilizar informacion semantica alguna, esto es, solo seleccionando el analisis sintactico mas probable de entre todos los candidatos. Esto establece las bases de una familia de tecnicas que utilizan las probabilidades para decidir cual es el analisis sintactico que mejor se adapta a cada frase. Las probabilidades de cada estructura se estiman a partir de corpus de frases analizadas sintacticamente (treebanks). El Penn Tree-bank es un ejemplo de este tipo de corpus. La tecnica mas conocida que construye gramaticas independientes del contexto probabilisticas (GICP) a partir de treebanks es aquella en la que las reglas se extraen directamente de los arboles de analisis sintacticos. Las probabilidades se estiman contando el numero de veces que cada produccion aparece. Como resultado se obtienen las denominadas treebank grammars. Este es el esquema mas sencillo y no esta libre de problemas, por una parte, porque las treebank grammars sobre-generalizan en exceso lo que evidencia la necesidad del uso de mecanismos adicionales para relajar la independencia de la GICP y, por otra, porque los analisis sintacticos resultan ser extremadamente planos y por tanto con escasa utilidad semantica. Con este espiritu se ha trabajado en esta tesis doctoral con una generalizacion de los clasicos k-gramas pero aplicados a arboles en lugar de cadenas. Las GICP obtenidas consisten en reglas que incluyen informacion contextual acerca de cuando pueden ser aplicadas. Los resultados han sido fructiferos: se ha reducido drasticamente la ambiguedad de las gramaticas y por tanto tambien el tiempo de proceso de los analizadores sintacticos cuyas respuestas resultan ser, ademas, mas refinadas y mejor estructuradas de manera que son provechosas para otros fines linguisticos. En contrapartida y como cabia esperar, se ha producido el efecto contrario a la sobre-generalizacion: la asignacion de probabilidad nula, y por tanto rechazo, de ciertas frases sintacticamente correctas. Este es el hecho que ha motivado la investigacion sobre mecanismos de suavizado de las funciones de probabilidad que se adaptaran de forma eficiente a las nuevas gramaticas introducidas. Las aportaciones fundamentales son: 1.Una descripcion de como los lenguajes k-testables probabilisticos de arboles se pueden aproximar a cualquier lenguaje de arboles racional estocastico. 2. Un metodo para aprender eficientes gramaticas independientes del contexto probabilisticas a partir de lenguajes de arboles. 3. Un analisis de distintas tecnicas de suavizado de las funciones de probabilidad. 4. Un metodo de construccion de gramaticas k-testables con suavizado implicito. 5. Experimentos con fructiferos resultados: se ha reducido drasticamente la ambiguedad de las gramaticas y por tanto tambien el tiempo de proceso de los analizadores sintacticos cuyas respuestas resultan ser, ademas, mas refinadas y mejor estructuradas de manera que son provechosas para otros fines linguisticos.