層次網路模型
基本內容
層次網路模型是概念結構理論的一種，除此之外較為公認的還有里伯的內隱學習理論，Bourne等人的特徵表理論和Rosch的原型模型
Quillian和Collins1969年提出了第一個語義記憶模型（即概念的結構）， 層次網路模型( Hierarchical Network Model)。在這個理論中，概念是以結點（node）的形式儲存在概念網路中，每個概念具有一定的特徵，這些特徵實際上也是概念。各類屬概念按邏輯的上下級關係組織在一起，概念間通過連線表示它們的類屬關係，這樣彼此具有類屬關係的概念組成了一個概念的網路。在網路中，層次越高的概念，其抽象概括的水平也越高。
每個概念的特徵實行分層存儲，即在每一層概念的結點上，只存儲該概念的獨有特徵。而同層各概念共有的特徵，則存儲於上一層的概念結點上。如：當我們提到“金絲雀”、 “鴕鳥”、“燕子”時我們會說它們都“會飛”，因此這一特徵便存儲在“鳥”這一概念結點上。而 “金黃色”、“大塊”、“黑色”是分別是上述三種鳥的獨有特徵（相對這三種而言），這些特徵便存儲在自己的結點上。
特徵表理論
【特徵表理論】是概念結構理論之一，是有波納等人提出的。特徵表理論把概念的語義特徵分解為定義性特徵和特異性特徵。定義性特徵是定義一個概念所必須具備的，它相當於概念的本質特徵。特異性特徵是具有描述功能的特徵，它相當於概念的非本質特徵。
特徵表理論認為，概念的結構由概念的定義性特徵和整合這些特徵的規則構成。這些規則也稱概念規則，它包括肯定、否定、析取、條件等。概念的定義性特徵和概念規則相互結合就形成了各種各樣的概念。
例如：“鳥“的定義性特徵為有羽毛、無齒有喙的動物，兩個定義性特徵的合取就構成了鳥的概念。
【評述】特徵表理論重視概念規則在概念結構中的作用，其優點是可以很好的解釋人工概念的研究，但目前還難以解釋某些自然概念，因為有些自然概念的定義特徵是非常難以確定的，因此這種概念的結構是難以用特徵表理論來解釋的。
