http://tieba.baidu.com/p/1198311601?pid=14091750160&cid=0#14091750160
汉语的一句话,主要有主谓宾三个部分。主语前边描述主语这里称作定语，谓语前边描述动词的这里称为状语，宾语前边的称为补语。（不要与汉语语法完全对应，这里是人工智能里的分法）。
假如我们看到一个树。首先是眼睛来分析，通过颜色，形状等对比就能告诉大脑，这是一棵树。这时大脑需要把这条信息存储下来，再进行其它判断。
在详细讲存储方法前，先说说用什么样的数据结构，数据结构说穿了很简单，以下是我经过多次试验后保留的最后的数据结构，从最初的简单，到中途的复杂，最后回归简单。使用这种数据结构能保存大多数数据信息（事件类信息另讲）。具体结构如下:(vc2010)
template <class 类名>
class 链表基类
{
protected:
链表基类(void)
{
}
~链表基类(void)
{}
类名* 上一个节点;
类名* 下一个节点;
类名* 子链根指针;
类名* 上级节点指针;
CString 主键;
类名* 主键词指针;
先说存储，“这”是代词，“是”是动词，“树”是抽象名词。在看到树并判断出是树后,智能会生成几个节点，存储以下信息：“这（指示代词）是（是动词）树（抽象名词）”，“树！（专有名词）”
然后通过图像继续判断是什么树，假如是榕树，智能继续存储“树！”（专有名词）是（是动词）榕树（抽象名词）。
假如我们之前的目的是为了砍树，这时智能会判断，砍树需要什么条件：需要树，需要工具，需要安全等等，这些信息储存在“砍”这个动词链里，现在字链里找“砍”，再查找“砍树”，再找“需要”，就可以找打砍树这个动作需要什么条件了，然后在逐步判断。
大概总结下，人工智能中几个重要的词“是”“有”“想”“需要”，基本可以囊括所有事物的信息。是和有主要是描述名词的特性，想和需要主要体现在思考和行动(动词)上。 形容词和副词是修饰名词或动词的.
事件信息处理上边的内容外,多包括了"时间,地点"信息,如"我昨天在家玩."
信息包括:时间 昨天
地点 家
事件:我玩(耍).
故事件类只需要在数据类的基础上增加2项就可以了
下边在举个复杂点的例子.抽象化...也就是总结的能力。
已知信息如下：
这是一颗春树（专有名词），它是树（抽象名词），有扁形的叶子，高高的树干（抽象名词）。
这是一颗榕树，它是树，有圆圆的叶子，矮矮的树干。
数据类里会存储如下信息：春树是树，有扁形的叶子，有高高的树干。
榕树是树，有圆圆的叶子，有矮矮的树干。
抽象后会得到以下信息：树（抽象名词）有叶子（抽象名词），有树干（抽象名词）。
下次再遇到“这是树”这个信息时，就会自动得到有叶子，有树干等信息
struct LINK_UNIT //连接结构
{
//成员变量 略
LINK_UNIT *next;
//成员函数 略
};
struct YUAN_UNIT //节点结构
{
//成员变量 略
LINK_UNIT *linker;
YUAN_UNIT *next;
//成员函数 略
};
这是我设计的基于节点单元互相联系的结构网络的数据结构，通过链表的数据结构特点，可无限扩充节点（符号处理单元）的数量，以及节点之间的连接关系的数量