背景：
• 认知意义表示：遵循心理认知加工方式来设计的意义表示方案
• 后LLM 时代：人们对语义计算的预期大提高了 -语篇理解 | 常识知识 | 实用任务 | 人们对语言理解的原理更加好奇了 | 人们对神经网络更加信任了 ，对符号主义路线更加怀疑了
• 符号语义计算：表明本文工作范式是使用显式的符号和逻辑来实现语义计算的 | “后LLM 时代 ”构成冲突张力

文章主线：
• 1 引言
• 2 相关研究述评
• 3 认知意义本体 （CMO ）：CMR 背后的知识体系
• 4 认知意义表示 （CMR ）概述 ：表示形式、配套知识资源规格
• 5 基于 CMR 的词汇语义表示 ：“词库 ”规格、语义关系计算方法
• 6 面向 CMR 的单句语义解析 ：解析器算法与 “规则库”规格
• 7 基于 CMR 的语篇信息整合 ：语篇临时知识库的规格、案例分析
• 8 总结与展望