Este estudio aborda el problema de la atribución de autoría con un método novedoso para modelar el estilo de escritura utilizando el análisis de subárboles de árboles de dependencia. Este método explota la información sintáctica de las oraciones utilizando sn-gramas sintácticos mixtos (sn-gramas mixtos). El método comprende un algoritmo para generar sn-gramas mixtos integrando palabras, etiquetas POS y etiquetas de relación de dependencia. Los sn-gramas mixtos se utilizan como marcadores de estilo para alimentar métodos de aprendizaje automático como un SVM. Se realizó un análisis comparativo para evaluar el rendimiento del método propuesto de sn-gramas mixtos frente a sn-gramas homogéneos con los conjuntos de datos PAN-CLEF 2012 y CCAT50. Los experimentos con PAN 2012 mostraron el potencial de los sn-gramas mixtos para modelar un estilo de escritura al superar a los sn-gramas homogéneos. Por otro lado, los experimentos con CCAT50 mostraron que el entrenamiento con sn-gramas mixtos mejora la precisión sobre los sn-gramas homogéneos, siendo la categoría POS-Palabra la que mostró el mejor resultado. Los resultados del estudio sugieren que los sn-gramas mixtos constituyen marcadores estilísticos efectivos para construir un modelo de estilo de escritura confiable, que los algoritmos de aprendizaje automático pueden aprender.