• 语言是为了表达语义的产物。所以研究语言本身只能得出“逼近值”，而不是“常规解”。人机对话过程中，人类强大的理解（纠错）能力可以正确“理解”错误的机器表达。InfoEcos的思路是对语义建模，然后尝试“理解”语言。
• 自然语言千变万化，词典条目有限。所以词典可以进行语义建模，而自然语言处理必然依赖统计学模型。

语言选择

基于以下原则选择语言

• 支持递进迭代的由粗到细的建模过程
• 支持简化的自然语言处理过程
• 易于分词
• 简单词形变化
• 相对不严格的语法规约
• 有限的“多义词”
• 尽可能的参考已有项目以节省开发时间

以上，选择“英语”为基准语言。

• 具有相当的资源和项目以供参考
• WordNet
• Standford NLP
• NLTK（在墙外）
• ……

词典选择

词典模型使用迭代模式补充

• 使用基础英英词典，常用词在2000-3000左右。
• 支持扩展词典，使用开源项目Wiktionary（英文部）。
• 支持词典，任选词典，如，牛津词典。

语义建模

语义建模的核心是抽象出“属性”

• 初始阶段属性难以自动“创造”，首先参考面向对象思想，以“类”规约，构建元数据引擎。
  • 模仿WordNet，使用NLP技术建立（名词）对象网络（森林）。
• 学习，使用NLP统计模型，为动作主体创建“属性”。（参考Google的Page Rank，使用稀疏矩阵）。
• 使用词典，利用动词条目反向加权，验证“属性”。
• 获得语义属性集。

注意考虑属性细化的方法。