具有层次结构的依赖数据通常来自于各种应用，由于依赖结构建模的复杂性和计算强度，对此类数据的分析往往具有挑战性。本文提出了一种贝叶斯层次连接词模型（BHCM）来适应依赖数据的层次结构，其中主题级依赖由基于连接词的模型建模，层次结构由随机依赖参数描述。我们介绍了一种用于进行贝叶斯推断的分层抽样方案。我们提出的BHCM具有建模各种复杂关联结构的灵活性，同时保持可管理的计算。大量的仿真研究表明，在各种有限样本设置下，我们提出的估计器优于传统的基于相似hood的估计员。我们应用BHCM分析UCI机器学习库中的脊椎柱数据集。