语义网络是用于表示互连节点和弧段模式中知识的图形结构，即其实用于知识表示的有向图。所有语义网络的共同之处在于声明式图形表示，可用于表示知识并支持用于推理知识的自动化系统。 有些版本非常不正式，但其他版本则是正式定义的逻辑系统。 以下是六种最常见的语义网络：
- 定义网络（Definitional networks）：其强调子类型，或概念类型和新定义的子类型之间的关系。 生成的网络（也称为泛化或包含层次结构）支持将超类型定义的属性复制到其所有子类型的继承规则。
- 断言网络（Assertional networks）：与定义网络不同，该网络假定其包含的信息是非常真实的，除非它明确用模态运算符（modal operator）标记。目前有一些研究提出将这种网络作为自然语言语义的概念结构模型。
- 牵连网络（Implicational networks ）：其使用含义作为连接节点的主要关系。它们可以用来表示信仰，因果关系或推论的模式。
- 可执行网络（Executable networks）：包括如标记传递（marker passing）等的一些机制，它们用于执行推理，传递消息或搜索模式和关联的任务。
- 学习网络（Learning networks ）：通过从例子中获取知识来构建或扩展其表示，在学习网络中，新知识可以通过添加和删除节点和弧或通过修改与节点和弧关联的权重来改变旧网络。
- 混合网络（Hybrid networks）：其结合了以前的两种或两种以上技术，可以是单一网络，也可以是独立但紧密相互作用的网络。
下图给出一个定义网络的具体例子，该网络将Truck和TrailerTruck概念定义为Vehicle的子类型。图中有九个概念节点和九个箭头，用于表示不同类型的链接。 白色椭圆表示类型的通用概念，这有区别于阴影椭圆，它是实例18的单独概念。整数（Integer）是内置类型。 下图能够定义Truck和TrailerTruck的概念，但Vehicle，Trailer，WtMeasure和VolMeasure必须
由其他KL-ONE图表定义。
双线箭头表示TrailerTruck到Truck以及Truck到Vehicle的子类型-超类型（subtype-supertype）链接。 中间有一个圆圈的箭头表示性质（role）。 Truck节点有四个性质，分别标记为UnloadedWt，MaxGrossWt，CargoCapacity和NumberOfWheels。 TrailerTruck节点有两个性质，一个标记为HasPart，另一个将Truck的NumberOfWheels取值限制为18。中间有一个圆圈的箭头的目标端的符号v / r表示对这些角色的取值限制或类型限制。
用文字可以将上图总结为：
每辆Truck都是一辆Vehicle。
每辆TailerTruck都是一辆包含如下性质的Truck：
其是Trailer的一部分，
有卸载重量（unloaded weight）指标，
有最大毛重（maximum gross weigh）指标，
有货物容量（cargo capacity）度量，
还有18个轮子。
[描述来源： Sowa, J. F. (1992). Semantic Networks. Encyclopedia of Artificial Intelligence, Wiley.]
发展历史
1956年，剑桥语言研究组的Richard H. Richens首先为计算机发明了语义网络——值得注意的是，在计算机科学之外的语义网络一词可以追溯到更早以前——作为自然语言机器翻译的“interlingua”。由于其图结构，语义网络可以更好地表示自然语言的结构，从而更好地将自然语言的语义提取出来。
作为SYNTHEX项目的一部分，这一实现是在二十世纪六十年代早期由 Robert F. Simmons 和 M. Ross Quillian 等人独立开发的。Allan M. Collins 和 M. Ross Quillian 随后在1969年利用这一概念试图将知识与时间信息联结起来。1975年Allan M. Collins和Elizabeth F. Loftus 基于M. Ross Quillian的语义记忆搜索和语义准备理论提出了处理人类语义的扩散激活理论（spreading-activation theory）。
在20世纪80年代后期，荷兰的两所大学Groningen和Twente共同开始了一个名为知识图谱（Knowledge Graphs）的项目，它是语义网络，但增加了约束条件，即边缘（edge）被限制在一组有限的可能关系中。在随后的几十年中，语义网络和知识图谱之间的区别变得模糊了。2001年，Tim Berners-Lee等学者提出了语义网络的新的应用场景：语义网（semantic web），其偏重于数据在不同应用中的共享和重用。 2012年，Google将他们的知识图表命名为知识图谱。
主要事件
| 年份 | 事件 | 相关论文/Reference |
| 1963 | Robert F. Simmons，Sheldon Klein，Karen McConologue，M. Ross Quillian 等人独立为计算机发明了语义网络 | Robert F. Simmons (1963). Synthetic language behavior. Data Processing Management. 5 (12): 11–18.// Quillian, R. (1963). A notation for representing conceptual information: An application to semantics and mechanical English para- phrasing. System Development Corporation. |
| 1969 | Allan M. Collins和M. Ross Quillian利用这一概念试图将知识与时间信息联结起来 | Collins, A. M.; Quillian, M. R. (1969). Retrieval time from semantic memory.Journal of verbal learning and verbal behavior. 8 (2): 240–247. |
| 1975 | Allan M. Collins和Elizabeth F. Loftus基于M. Ross Quillian的语义记忆搜索和语义准备理论提出了人类语义处理的扩散激活理论 | Collins, A. M.; Loftus, E. F. (1975). A spreading-activation theory of semantic processing. Psychological Review. 82: 407–428. |
| 2001 | Tim Berners-Lee等学者提出了语义网络的新的应用场景：语义网（semantic web） | Berners-Lee, T.; Hendler, J.;Lassila, O. (2001). The Semantic Web. Scientific American. 284(5):34-43. |
发展分析
瓶颈
语义网络主要存在以下缺陷：
- 语义网络高度定制化，需要用户自己定义节点和边的值，缺乏客观性；
- 难以融合多源数据；
- 无法区分概念节点和对象节点。
未来发展方向
由于语义网络可以使用图结构更好地表示自然语言的结构，其常常用于机器翻译、问答系统和自然语言理解。
Contributor：Yuanyuan Li