就这个问题，以前写过【研发笔记：没有语言结构可以解析语义么？浅论 LSA】，介绍的是很流行的 LSA 统计算法，它利用自然语言篇章中的一袋子关键词（bag of words）之间的 lexical coherence，绕过语法结构分析，模拟语义，也显得很智能的样子。

无独有偶，绕过语言结构解析语义在传统的知识系统中早有先例，也算是统计派的殊途同归吧，但却早了好几十年。话说当年有一位学者，名字还记得，叫 Small （写科普随笔博文不算正式发表，就懒得查出处了，后学有兴趣者可以自己查去），他发明了一套叫做专家词典的系统（Expert Lexicon system：后来刘倬老师带我们做新一代机器翻译，继承发展了这个思想，在不排除抽象语法分析的同时也引入了专家词典的机制，成果在第二届机器翻译最高级会议上有发表）。Small 的系统基本是一个典型的传统 AI （Artificial Intelligence）的 toy system，运用在一个非常狭窄词汇量有限的领域内。这个系统基本上就是一部词典，缺乏抽象度，也没有语法结构分析。词与词之间的语义搭配关系被编制在专家词典里。这样的语义解析是注定不能 scale up的，但是在一个狭窄的领域，还是可以成事的。

顺着这个思路，AI 和 MT （Machine Translation）界当年有一位超级大牛（记得是大英百科全书特聘的这个领域顾问），曾经在美国客座 New Mexico 大学的英国教授 Wilks 研究了一个所谓第三代纯语义机器翻译系统。为了追求纯粹美，Wilks 有意排除任何语法形式信息（譬如词类信息）和被证明高效有用的语法抽象规则（譬如形容词在名词前做其修饰语），而是通过词与词之间的具体搭配关系来解析语义。他的理论叫做优选语义学（Preference Semantics），里面设计了很多语义模板，来表达词与词之间潜在的语义搭配关系，当时对我们是很有影响很有启发的学说（我的一位同门黄学长就曾在Wilks身边做过博士）。Wilks 证明了没有结构分析（严格的说，是没有形式结构分析），也是可以解析语义关系的，并且把它成功运用到机器翻译的模型上去，探索了一条崭新的道路。当然，实用主义者很快发现，这种舍近求远的解析语义方法是低效的，也是难以 scale up 的。经验告诉我们，对于自然语言理解，八分结构，两分语义，才是规则系统的正道。

【置顶：立委科学网博客NLP博文一览（定期更新版）】