概念的层次网络模型（Hierarchical Network Model）是认知心理学中用于解释人类如何存储和提取语义知识的重要理论框架，该模型由罗斯（Collins）和奎利恩（Quillian）于1969年提出，其核心观点认为，人类的长时记忆是以一种类似计算机数据库的结构组织的,概念之间通过层级关系相互连接。
基本结构与节点连接
在层次网络模型中，每一个概念都被表示为一个“节点”（Node），而概念之间的语义关系则通过“连线”（Link）来表示，这些连线不仅连接了相邻层级的概念，还携带了关于该关系类型的信息，整个网络呈现出一种树状结构，从最一般的概念（上位概念）到具体的概念（下位概念）层层递进。
为了更直观地理解这一结构,我们可以参考以下简化的概念层级示意图：
| 层级 | 概念节点示例 | 关系类型 | 下级概念示例 |
|---|---|---|---|
| 最高层 | 动物 (Animal) | 是一种 (Is-a) | 鸟、鱼、狗 |
| 中间层 | 鸟 (Bird) | 是一种 (Is-a) | 麻雀、企鹅、鸵鸟 |
| 具体层 | 麻雀 (Sparrow) | 具有 (Has) | 翅膀、喙、羽毛 |
| 属性层 | 翅膀 (Wing) | 功能 | 飞行 |
在这个结构中，“麻雀”节点通过连线指向“鸟”节点，而“鸟”节点又指向“动物”节点，这种结构允许系统通过向上遍历来查找更一般的属性,通过向下遍历来查找更具体的实例。
存储优化与默认属性
层次网络模型的一个关键创新在于它引入了“默认属性”（Default Properties）的概念，以解决存储效率问题，如果每个具体概念（如麻雀）都独立存储其所有属性（如“会飞”、“有羽毛”），那么当概念数量庞大时,记忆系统将变得极其冗余且低效。
模型假设属性被存储在层级中尽可能高的位置。“会飞”这一属性并不直接存储在“麻雀”节点中，而是存储在“鸟”节点中，当我们需要判断“麻雀会飞吗？”时，认知系统会从“麻雀”节点出发，向上搜索到“鸟”节点，发现“会飞”这一属性，从而得出肯定答案，这种机制极大地节省了记忆空间,体现了人类认知的经济性原则。
验证过程与反应时预测
该模型不仅描述了知识的存储方式，还预测了人类进行概念验证任务时的反应时（Reaction Time），根据模型的假设,验证一个命题所需的时间取决于需要遍历的层级数量。
验证“麻雀有翅膀”这一命题时，系统需要从“麻雀”节点向上搜索到“鸟”节点，再向上搜索到“动物”节点（假设“有翅膀”被存储在“动物”或更高层级，或者在“鸟”层级），相比之下，验证“麻雀是鸟”只需要从“麻雀”节点向上搜索到“鸟”节点。
| 验证命题 | 搜索路径 | 预计反应时 | 原因分析 |
|---|---|---|---|
| 麻雀是鸟 | 麻雀 -> 鸟 | 较短 | 仅需跨越一级层级 |
| 麻雀有翅膀 | 麻雀 -> 鸟 -> (属性存储层) | 较长 | 需要跨越更多层级以查找属性 |
| 麻雀有羽毛 | 麻雀 -> 鸟 -> (属性存储层) | 较长 | 同上，需查找默认属性 |
实验数据通常支持这一预测：验证具体属性（如“麻雀有翅膀”）的反应时通常长于验证类别归属（如“麻雀是鸟”）的反应时,因为前者涉及更深的层级搜索。
模型的局限性与修正
尽管层次网络模型在解释语义记忆的结构方面具有开创性意义，但它也存在明显的局限性，最著名的是“典型性效应”（Typicality Effect）的反例，模型预测验证“麻雀是鸟”和“企鹅是鸟”的反应时应该相同，因为它们在层级结构中的距离相等，实验发现，人们判断“麻雀是鸟”的速度明显快于“企鹅是鸟”。
这是因为“麻雀”是“鸟”的典型成员，而“企鹅”是非典型成员，层次网络模型无法解释这种基于典型性的差异，因为它假设所有下位概念与上位概念的关系是均等的，这一局限性促使后续研究者提出了激活扩散模型（Spreading Activation Model）等更复杂的理论，引入了节点激活强度和阈值等概念,以更好地模拟人类认知的动态过程。
相关问题与解答
为什么层次网络模型要采用“默认属性”存储在高层级的方式，而不是在每个具体概念节点中重复存储所有属性？
解答： 采用这种方式主要是为了提高记忆存储的效率和减少冗余，如果每个具体概念（如麻雀、鸽子、企鹅）都独立存储“有翅膀”、“会飞”等属性，那么随着概念数量的增加，记忆系统需要存储大量重复信息，通过将属性存储在尽可能高的通用层级（如“鸟”），系统只需存储一次“有翅膀”属性，所有下级概念（麻雀、鸽子等）都可以继承这一属性，这不仅节省了存储空间，还使得知识的更新更加便捷——鸟”的定义发生变化，只需修改高层节点,所有下级概念自动更新。
层次网络模型在解释“典型性效应”时遇到了什么困难？这一困难如何推动了后续认知理论的发展？
解答： 层次网络模型假设概念间的关系是静态且均等的，因此它预测验证“麻雀是鸟”和“企鹅是鸟”所需的时间应该相同，因为它们在层级结构中的距离是一样的，实验数据显示，人们判断典型成员（如麻雀）的速度远快于非典型成员（如企鹅），这一困难表明，语义记忆不仅仅是简单的层级链接，还涉及概念的典型程度和激活强度，这一发现直接推动了从静态网络模型向动态激活模型（如激活扩散模型）的转变，后者引入了节点激活、阈值和连接强度等变量,能够更准确地解释典型性效应和语义启动效应等复杂认知现象。
原创文章，发布者：酷盾叔，转转请注明出处：https://www.kd.cn/ask/469286.html
