1. Лингвистическая С. – раздел языкознания, изучающий лексические значения слов и выражений, изменения их значений (значение слова, оборота речи или грамматической формы). Син. семасиология.

2. Логическая С. – раздел математической логики, исследующий отношения между формально построенными исчислениями и отражаемым в них реальным содержанием; содержательная интерпретация этих исчислений. Различают дескриптивную и чисто логическую С. 1-я исследует отношение знака к содержанию понятия (сигнификату) и отношение знака к вещи, которую он обозначает (денотату); 2-я занимается построением искусственных систем семантических правил, устанавливающих условия истинности языка. Хотя логическая С. имеет дело с полностью формализованными языками, высказывались мнения о применимости ее основных понятий к анализу значений в естественных языках (Р. Карнап, А. Тарский).

3. Психолингвистика (см.) различает объективную и субъективную С. Первая является семантической системой значений языка; вторая представляется как ассоциативная система, существующая в мозге индивида. В связи с этим семантические признаки подразделяются на относящиеся к области ассоциаций (субъективные) и принадлежащие семантическим компонентам лексики, взятой в абстрактно-логическом (объективном) плане. Психолингвистическое понятие «семантическое поле» представляет собой совокупность слов вместе с их ассоциациями («ассоциантами»). Имеется несколько попыток экспериментально определить субъективные семантические поля и связи внутри них с помощью методов ассоциативного эксперимента (Дж. Диз) и условного рефлекса (А. Р. Лурия, О. С. Виноградова). См. также Метод семантического радикала, Психосемантика, Семиотика, Субъективное семантическое пространство.

СЕМАНТИЧЕСКАЯ АФАЗИЯ — см. Афазия.

СЕМАНТИЧЕСКАЯ ПАМЯТЬ (англ. semantic memory) – вид долговременной памяти, в которой хранятся общие (абстрактные) знания о мире, значения слов. Для описания С. п. используются модели семантических сетей. См. также Память автобиографическая.

СЕМАНТИЧЕСКИЕ СЕТИ (англ. semantic nets) – представляют собой модели хранения понятий (слов, высказываний) в семантической памяти. Их организация и структурирование основаны на содержательном описании понятий и слов, обозначающих эти понятия и составляющих содержание семантической памяти.

В простейшем случае узлы С. с. отображают отдельные понятия, связи между узлами – отношения между понятиями. При таком подходе каждое понятие (узел С. с.) обладает набором свойств (атрибутов). Функция части атрибутов заключается в установлении различных типов связей с др. узлами С. с. Кроме того, структура сети дает возможность приписывания каждой связи некоторых значений частоты (веса) ее использования.

Важное значение моделей С. с. заключается в том, что они представляют собой не только среду хранения информации, но и структуру, на основе которой строятся модели процессов мышления (см. Эвристика, Эвристическая педагогика). В ходе формально-логического моделирования процессов мышления выделяют ряд «фигур» логического мышления, определяющих некоторые механизмы проведения рассуждений, построения понятий, доказательств. К таким фигурам можно отнести: правила построения простых и сложных высказываний, процедуры индукции, дедукции, построение умозаключений, правила логического вывода.

Рассмотрим пример, в котором мы имеем среди исходных данных набор фактов, включающих отдельные высказывания (простые или сложные): A, B, L, а также высказывания в виде импликаций (структур «если… то»): A → L, A → B, F → C, B → D, B → G, G → T, K → G, L → B, L → K. Для простоты будем считать, что единственным правилом вывода в этом примере будет правило отделения (modus ponens). Это правило было известно еще в древности и хорошо соответствует интуитивному понятию логического вывода. Общая схема правила отделения говорит, что мы делаем правильные умозаключения, если из пары посылок вида: 1) если p, то q, 2) p получаем в качестве заключения q. Формально правило отделения записывается в виде:

Многократно применяя правило отделения, мы можем получить новое знание, напр., в виде A → T. Действительно, из A и A → B получаем B, затем из B и B → G получаем G, затем из G и G → T получаем T. Формально в математической логике 3 шага данного вывода записываются как:

В такой записи над чертой записываются посылки, под чертой следствия. В итоге мы построили умозаключение A → T и одновременно получили цепочку рассуждения: A, A → B → G → T. Однако данная цепочка не единственно возможный путь получения результата A → T. Тот же вывод получим, построив и др. цепи доказательств. Например, цепь № 2: из A, A → L получаем L, затем из L, L → B получаем B, далее логический вывод идет так же, как в предыдущем случае. Цепь № 3 напишем в сокр. виде: A, A → L → K → G → T.

Данный пример удобно представить не только в аналитическом, но и в образном виде, как часть графа или С. с. (рис. 11). Такого рода представления служат целям структурирования информации. В каждом узле сети собирается вся информация по некоторому объекту (ситуации). Эта информация представляется в виде наборов атрибутов, а также в виде ссылок, указывающих связи между узлами.

В общем виде для представления системы данных об объекте или «единицы» знаний используется понятие фрейма. Структура фрейма м. б. разной для разных областей знаний и рассуждений, что отражает глубокие различия природы разных областей знаний.

Отдельный вопрос касается методов необходимых для того, чтобы установить, какие понятия действительно близки (далеки) в пространстве С. с. данного «ядра» знаний (фрейма). Сама задача требует построения метрики пространства семантической памяти. В основе математических методов (факторный анализ и многомерное шкалирование), используемых для этих целей, лежит формирование матриц сходств понятий. Эксперты на основании своих интуитивных правил оценивают попарное сходство между исходными объектами.

В итоге становится возможным ввести некоторую метрику, количественно описывающую близость исходных объектов в многомерном пространстве семантической памяти. В этом пространстве объекты будут представлены точками, расстояния между которыми определяются в соответствии со степенью их близости в памяти испытуемых.

В вышеприведенном примере неявным образом считалось, что все исходные высказывания имеют в процессе решения данной задачи одинаковые приоритеты. Вследствие этого все 3 цепи логического вывода имели одинаковую вероятность построения. Более того, на основе имеющихся фактов с равной вероятностью можно начинать строить вывод, исходя не из факта A, а из фактов B, B →D или к.-л. других. В результате предположения равной вероятности взаимных связей между фактами в ходе построения логического вывода возникает угроза «переборного взрыва» (с ростом длины вывода время перебора растет лавинообразно). Для ее уменьшения (а полностью избежать ее невозможно) необходимо использовать системы приоритетов, указывающие разные вероятности связей между разными фактами или, др. словами, разные вероятности ссылок. См. также Эвристика.