陈 欣

解放军外国语学院，河南 洛阳 471003

在自然语言处理（Natural Language Processing，NLP）领域，如何利用计算机高效地理解和处理自然语言日益成为一个核心课题。自然语言处理须以语言知识为依托（黄曾阳，1998∶99），它包括语法、语用和语义知识，其中语法知识最早应用于自然语言处理。自20世纪70年代起，对语义知识的研究日益受到重视，研究者们相继提出了语义网络（Semantic Network）、概念依存理论（Conceptual Dependency Theory）、格语法（Case Grammar）等语义表示理论。这些理论的发展和应用使自然语言处理从语法层面深入到了语义层面，完成了形式到内容质的飞跃。

近年来，基于本体（Ontology）形式来表达和组织语义知识的方法成了人工智能领域的研究热点之一，Nirenburg和Raskin（2004）提出了一种基于本体的语义理论，即本体语义学（Ontological Semantics），在这个理论中，本体是析取和表示自然语言文本意义的核心资源。在自然语言处理中，语义分析需要庞大的语义知识库，20世纪80年代以来，国内外发展了一批语义知识库，著名的有WordNet、HowNet、北大的CCD等，从知识表示的角度来说，上述知识库都可成为本体知识库。

概念层次网络（Hierarchical Network of Concepts，HNC）理论是由中国科学院声学研究所黄曾阳研究员创立的自然语言理解和处理的理论体系，它紧扣建立概念联想脉络、模拟大脑语言感知过程这条主线，设计了一套符号体系来表达自然语言的语义知识。作为HNC理论的一大特色，精心设计的符号体系使得HNC理论的多个处理模块环环相扣。这种高度抽象的符号化表达方式新颖简介且便于计算机处理，但另一方面，其符号体系的独特性、系统性和复杂性也增加了人们学习、理解、发展和应用HNC理论的难度。……