语义网络（Semantic Network）

语义网络（Semantic NetWork）是美国心理语言学家奎廉（M.R. Quilian）于1968年提出的。语义网络开始是作为人类联想记忆的一个明显公理模型提出的，1972年美国智能专家西蒙斯（R.F.Simmons）和斯乐康（J.Slocm）首先将语义网络用于自然语言理解系统中。语义网络是一个由三元组连接而成的有向图，其节点一般表示实体或概念，而边则表示这些实体或概念间的语义关系，从而形成一个由节点和弧组成的语义网络描述图。

如下语义网络图所示，语义网络中的边是有方向和标注的，方向体现了节点所代表的实体的主次关系，若边由节点A指向节点B，即节点A为主，节点B为辅，比如“张三”指向“职员”；边上的标注表示它所连接的两个实体之间的语义关系，比如“张三”“职员”之间边上的关系为“isa”，表示具体抽象关系，即张三是职员的一个具体实例。

语义网络模拟人的记忆和联想方式，将事物的属性以及事物间的各种语义联系显式地表现出来，而且表达形式简单明确，易于理解。同时，语义网络具有属性继承的特点，即凡上位概念具有的属性均可由下位概念继承，例如“兽”是“动物”的下位概念，那么“动物”的所有属性，“兽”都具备。在属性继承这一特点的基础上可以方便地进行语义推理。但是，语义网络中节点和边的值都没有明确的定义标准，完全由用户自定义，这样一方面会导致应用时推理规则不明确，同时也会对多源数据的融合带来困难。

semantic3D数据集

这个数据级别的训练集有一个小BUG，是这个neugasse_station1_xyz_intensity_rgb.7z， 解压之后的名字是station1_xyz_intensity_rgb.txt，自己最好手动去修改成neugasse_station1_xyz_intensity_rgb.txt，不然跑一写程序会存在一些问题

提供了两种数据：

1、semantic-8，包含8类东西（1: man-made terrain, 2: natural terrain, 3: high vegetation, 4: low vegetation, 5: buildings, 6: hard scape, 7: scanning artefacts, 8: cars, 0: unlabeled points）。0lable 没有ground truth也不应该没用于训练。训练集和测试集各15个，点云总数超过10亿， 所以作者怕你的算法受不了，所以提供了一个压缩版本的

2、reduce-8训练集和semantic-8一样，测试集只是semantic-8的一部分。测试集是0.01m的均匀下采样.

附上官网网址：

利用pptk进行可视化：

semantic是什么意思及反义词

semantic 英[sɪˈmæntɪk] 美[sɪˈmæntɪk]

adj. 语语义的，语义学的;

[例句]He did not want to enter into a semantic debate.

他不想就语义进行争辩。