本篇简单介绍一下aaas系统中自用的三个库（防腐层）。这三个库对应了前面介绍的所有的表。简列如下：
1、分类的叙词库（classified thesaurus。专名（单元词-单词，proper names。【概念域】）的词扇（word fan）–叙词【Component】。比如，单词）：语言解释者–nod和rfc文件的 制约逻辑。
2、注解的语料库（annotated corpus。代名（简单代词-自由词，simple pronouns。【关系型】）的词义（word sense），词和词义的组合-主题词 【Composite】) ：词典编纂者–nod和rfc文件的 概念逻辑。比如，短语和句子 。组合这些单元的基本结构用两个或三个参数 argument（主目。例如，一个主语、一个可选的直接宾语和一个可选的间接宾语。主目个数对应的是维度，维度的变化是ad hoc的）来表达关系模式（ relational patterns ）。附加引数(additional arguments )通常用前置词（其变化是propter hoc的）或后置词（其变化是post hoc的）来标记（marked by ）。
3、特定的知识库（specified knowledge base。通名（中心词，indexicals。【知识库】）的词标（word token）–关键词【Correlative】。比如，语素）：逻辑描述者— nod和rfc文件的 描述逻辑。
（专名、简单代词和指向文本或环境中某些东西的索引词是普遍存在的，但有些语言具有比其他语言复杂的回指系统。）
aaas内核的防腐层的以上三个库一起为aaas外架提供了可嵌套或嵌入构造块所需要的一个灵活的语法，作为一个指定版本的逻辑家族默认逻辑–一个智能操作系统，一个 能内嵌元语言注释（经由claw）和 外挂 元语言推理技术（通过 peg）的一阶理论格。 （claw 和 peg来自角度表 第一部分，即开端部分）
这是任何充分的理论（aaas所称的充分条件法）都必须直接或间接地支持的特征–自然语言的特征和人们用自然语言和人工语言表达的推理种类。通过它，可以推理出一个系统的内部表征的大多数性质。
以上三个库给出了开发 定义和解释 词汇标准化和符 标准化 的 三种方法：
- 叙词库采用分法classification，给出同一个人person的各种分类。比如通过出现(现象)或某个角色。结果使用一个has关系来表示， 用if-then子句表达。相关条目在概观表中给出。
- 语料库采用聚法aggregation，标出同一台机器machine的各种根器。比如，根据其是否可以独立工作或需要与其它机器协作。可选方式使用一个case关系表示，用case-switch-break语句表述。相关编目在大纲表中给出。
- 知识库采用集法clustering。提供全部的三种服务。给出了人机交互的各种可能。每种服务使用一个as关系表示， 使用select-from-where-order by语句检索。 简述和标记如下：
1)业务服务：传统的向量空间模型（特征提取–feature extraction。VSM简化–多次元特征向量【相似性Similarity度量】），稀疏矩阵。
2)数据服务：潜在语义空间（知识提取–knowledge extraction。 PCA降维–上下文奇偶向量【同一性sameness选择】），逻辑方阵。
3)技术服务：特征向量空间 （信息提取–information extraction 。SVD奇异值分解–左右式奇异向量【相像性likeness训练】）。在PCA降维算法中运用SVD。稠密矩阵。
上述三种服务是aaas需要实现的功能。相关细目对应中间表（色度表和角度表）中给出。
【———-未完待续———–】
文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览215568 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！