语义网络（semantic network）是一种以网络格式表达人类知识构造的形式。是人工智能程序运用的表示方式之一。开始是作为人类联想记忆的一个明显公理模型提出，随后在AI中用于自然语言理解，表示命题信息。在ES中语义网络由PROSPEUTOR实现，用于描述物体概念与状态及其间的关系。它是由结点和结点之间的弧组成，结点表示概念(事件、事物)，弧表示它们之间的关系。在数学上语义网络是一个有向图，与逻辑表示法对应。
语义网络由下列四个相关部分组成：
1，词法部分：决定词汇表中允许哪些符号，它涉及各个节点和弧线。
2，结构部分：叙述符号排列的约束条件，指定各弧线连接的节点对。
3，过程部分，说明访问过程，这些过程能用来建立和修正描述，以及回答相关问题。
4，语义部分，确定与描述相关的意义的方法，即确定有关节点的排列及其占有物和对用弧线。
语义网络具有下列特点：
1，能把实体的结构、属性与实物间的因果关系显式和简明的表达出来，与实体相关的事实、特征和关系可以通过相应的节点弧线推倒出来。这样便于以联想方式实现对系统的解释。
2，由于与概念相关的属性和联系被组织在一个相应的节点中，因而使概念易于受访和学习。
3，表现问题更加直观，更易于理解，适于知识工程师和领域专家沟通。语义网络中的继承方式也符合人类的思维习惯。
4，语义网络结构的语义解释依赖于该结构的推理过程而没有结构的约定，因而得到的推理不能保证像谓词逻辑法那样有效。
5，节点间的联系可能是线状、树状或网状的，甚至是递归状的结构，使相应的知识存储和检索可能需要比较复杂的过程。
简单来说，语义网络就是使计算机能够理解人类语言，举一道例题：
搬运自：https://blog.csdn.net/dala_da/article/details/78535871?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160047756019725254036828%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=160047756019725254036828&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v3~pc_rank_v3-1-78535871.pc_ecpm_v3_pc_rank_v3&utm_term=%E8%AF%AD%E4%B9%89%E7%BD%91%E7%BB%9C&spm=1018.2118.3001.4187