1.思路
自然语言语义分析--->知识库看懂的语义表示/逻辑表示（Logic Form）--->推理（Inference）查询（Query）--->答案
如：自然语言”Number of dramas starring Tom Cruise“
逻辑形式： count（Genre.Drama ∩ Performance.Actor.TomCruise）
2. 框架
自底向上构造语法树的过程，树的根节点，就是逻辑形式表达
步骤：
词汇映射：构造树节点，将短语或单词映射到知识库实体或者关系所对应的逻辑形式。构造词汇表（Lexicon）
构建（Composition）：对节点进行两两合并，最后生成根节点。连接 Join,交 Intersection,聚合 Aggregate,桥接 Bridging
3. 训练分类器
计算每一种语义结果d（Derivation）的概率
discriminative log-linear model
softmax进行概率归一化
x代表自然语言问题，
是一个从语义解析结果
和
中提取出来的特征向量（关联特征，词汇特征，文本相似度特征，桥接特征，组合特征）
是模型参数
训练数据问题-答案对，最大化log-likelihood损失函数，通过AdaGrad算法
4.构建词汇表