在自然语言处理领域,语义的表示方法一直是研究的重点和难点。语义表示的研究对于自然语言处理中的许多应用领域具有重要的意义,包括信息检索、机器学习、文本生成和自动问答等。当前,语义形式化存在种种困难,包括：推理的深度不能预测,形式化时定义原子命题的底线困难,概念化造成语义粒度趋于固定等。许多语言问题的出现和解决都涉及整个言语机制的内在特性,对语义的表示方法的探讨应该超过经典语言学、计算语言学的范畴,而是在认知科学,尤其是认知语言学的范畴内展开。意象图式是认知语言学的主要研究对象之一。意象图式本身不需要任何解释,它本身就具有意义,它的结构具有逻辑性,当被激活时,就可与范畴或概念相对应,是最重要的语义结构。意象图式理论提供了一系列更接近人类底层认知水平的义原,利用意象图式表示对象问关系可以更有效地支持基于语义的推理。本文的主要工作是提出一种基于意象图式的语义表示方法,并在此基础上构建一个自然语言语义理解模型,用以完成基本层概念的表示和简单语句的理解。论文在以下几个方面做了重点研究和创新。首先,对国内外研究现状进行了分析,提出了本课题研究的对象及目的。论文试图寻找一种更接近真实的语义表示方法,并在此基础上构建一个语言语义理解模型。其次,分析并研究了认知科学中的意象图式理论和原型范畴理论,提出一个模拟人类认知系统的语义系统模型,在此基础上将语义将自然语义分为对象,对象的属性和对象间的关系三种要素,分析了三要素和语义系统模型内各模块的关系。其中,意象图式用来表示对象间的关系。之后,论文对较简单且具起到基础作用的基于视觉性意象图式的语义的表示方法进行了研究,并提出了基于视觉性意象图式的语义理解算法。在此基础上,探讨了更加通用的基于意象图式的语义表示方法,结合对象和属性,提出了完整的基于意象图式的语义理解算法。最后,论文根据已经得到的理论研究成果,设计并实现了一个基于意象图式的语义理解模型系统,通过实例分析证明了提出的语义表示方法和语义理解模型具有现实性和可行性。