本成果把中庸方法上升融入到當今跨學科創(chuàng)新研究的時代潮流中，從哲學方法論高度提出了跨學科研究的“取長補短”方法，助力于新一代人工智能確立符號主義和連接主義融合互補的嶄新發(fā)展方向，對AI堅守正確的發(fā)展方向價值巨大。該成果全面展示自然語言邏輯從各種角度對自然語言進行語義表征，尤其是組合范疇語法CCG對自然語言進行語義表征的“取長補短”實踐，可為各類機器學習模型所需要的知識表征提供智力支持；探討國際先進的自然語言語義庫PMB，吸納其中極具借鑒價值的技術手段，用之于 “CCG漢語樹庫”的提升與更新。其成果有助于彌補NLP數(shù)據(jù)驅動方案的可解釋性不強的短板，為當今AI領域機器自主學習訓練所需要的語言大模型提供理論支撐。