人工智能(AI)经过半个多世纪的发展，引起了众多学科的日益重视，已成为一门广泛的交叉和前沿科学。近十年来，现代计算机的发展已能够存储极其大量的信息，进行快速信息处理，软件功能和硬件实现均取得长足进步，使人工智能获得进一步应用。 知识表示是AI领域的中心课题。“知识就是力量”这句名言远没有过时!无论是问题和系统的任务描述，还是知识经验的表示，以至推理决策，都离不开知识。知识表示的研究推动信息时代以数据处理为主的低级阶段向知识处理为主的高级阶段的转变和发展，它对模式识别、物景分析、自然语言理解、信息处理、搏弈、机器学习、机器人、自动定理证明、自动程序设计、专家系统等领域有着重要的影响。 虽然目前已拥有了许多种知识表示方法，例如产生式、逻辑、语义网络、概念依从、框架、脚本等，但是，知识表示还是一个没有完全解决的问题，问题表示的优劣，对求解结果及求解工作量影响甚大。因而，探索新的知识表示方法一直是人工智能研究的重要课题之一。 概念结构从一个崭新的角度，扩展了人工智能的知识表示方法。它以哲学、心理学为基础建立人的感知过程的语义解释模型。“概念”是人类思维的重要组成部分，是概括反映客观事物及其特有属性的思维单元。概念形成是一种思维活动，它始终在“从特殊到一般”和“从一般到特殊”两个方向之间交替着。人的认知过程就是对概念的形成和对已有的概念建立联系，形成一个相关概念的网络。概念结构就是基于人的这种认知过程的一种新的知识表示方法。 自然语言是知识表示最为直接的方法，因此自然语言理解(NLP)的研究是AI取得突破性进展的关键。自然语言理解的发展主要围绕着三个方面：1．自然语言的表述和处理模式。2．自然语言知识的表示、获取和学习。3．研制和开发自然语言的应用系统。其中，自然语言的表述和处理模式是根本，它决定着整个自然语言理解的方向和进程。知识图是一种特殊的概念图，作为一种面向NLP的知识表示方法，在自然语言的表述和处理模式上探索了一条新路。西北工业大学博士学位论文 今天，Internet上的信息和知识正以我们难以想象的程度与日俱增，因而智能化的信息处理系统不仅仅是能自动检索信息，还应能对信息和知识自动进行分类、过滤、提炼、翻译等基于理解的高层次加工。而这些高层次的加工必须是也只能是建立在语义的基础上，基于理解最终还是要基于语义。因此，急切地呼唤语义表述及处理新模式的诞生。知识图的产生向上下文联想处理、“知其所以然”的语义理解前进了一步。 本文对概念结构理论及应用进行了较为深入的研究。一方面，提出了概念图与规则相结合的方法，并将其应用于构造一个专家系统开发环境。另一方面，分析了传统NLP技术的不足，首创性提出并研究了一种适合于汉语理解的、面向语义的、新的NLP技术，这也是本文的主要内容。同时，还对知识图、概念图以及其它传统知识表示方法从各个角度进行了对比研究，推出了一系列的结果。 第二、三章研究了概念图中的几个特殊问题以及概念结构在专家系统中的应用。提出了将概念图与规则结合使用的方法，两种方法相辅相成，增加系统的有效性。 第四章将知识图这种新的知识表示方法与历史上其它三种重要知识表示的本体论进行对比，论证了知识图方法的有效性、一般性和本原性。 第五章将知识图与概念图从各种角度进行对比研究，说明知识图和概念图都是非常有效的知识表示方法;而且，知识图比概念图更一般、更本原。 第六、七、八章研究了知识图在汉语自然语言理解中的应用。提出了一种新的词的多层次结构描述方法，以及一种新的NLP分析技术。 第九章提出了进一步的研究方向，即实现一个基于知识图的中文信息自动抽取系统。