本文研究了分布语义学中的组合性问题，使用 Coek，Sadrzadeh 和 Clark 提出的范畴理论框架，将语法分析形式主义与分布语义表示法相结合，生成具体的组合式分布式模型，并展示它们在自然语言处理领域的有效性。研究的贡献包括将 DisCoCat 框架拓展到在句法和语义上，验证模型的优势以及提出了在本主题上应用范畴论的未来研究方向。

Nov, 2013

本研究使用紧闭类别和 Frobenius 代数为基础，构建了一个单一空间中的分布式语义模型，从而扩展了之前 Coecke-Clark-Sadrzadeh 提出的句子意义分布模型的应用范围并在多项语言任务上进行了实验证实。

Jan, 2014

本文使用分类组成分布语义模型（categorical compositional distributional semantics）结合 Barwise 和 Cooper 的广义量词理论，进行了基于生成语法形式化的抽象范畴组成语义学习。并证明了基于集合的关系实例化的等价性，以及基于向量空间的实例化的有效性。

Feb, 2016

利用经验分配法对句子进行组合意义建模一直是计算语言学家面临的挑战。我们利用 BNC 数据实现了 Coecke 等人的抽象范畴模型，并进行了评估。实现基于无监督学习的关系词矩阵，应用于其参数的向量。我们的模型在失歧任务上拥有比竞争对手更优异的表现，而随着句法复杂度的增加，结果的普遍改善展示了我们模型的组合能力。

Jun, 2011

本文介绍了一种新的基于范畴论和量子力学的自然语言处理方法，通过将词汇进行向量化，并结合 Coecke, Sadrzadeh 和 Clark 提出的分配模型进行词汇的分析和理解，同时采用 Selinger 的 CPM 构造进行词汇多义性的处理，实现了有效的句子意义计算和词汇比较。

Feb, 2015

提出了一种在脉冲神经网络结构中实现复合分布语义、解决概念绑定问题的方法，利用标记图像进行词向量训练。

Jan, 2024

本文研究了分类组合分布语义学中的词汇包含问题，使用密度矩阵和量子计算中的部分知识的范畴语义思想提出了一种新的语言模型，并引入了一种新颖而强健的分级量化概念，能够有效地计算概念之间的包含关系。

Jan, 2016

本篇论文应用类别论工具给出了一种关于主动推理和 Bayesian 大脑的构成性解释，定义了 Bayesian 镜头并且使用它们解释了 Bayesian 升级，在此基础上我们定义了统计游戏的类别，并使用它们对各种统计推理问题进行了分类。同时对开放动态系统进行了一种新的形式化定义，并将它们作为镜头控制的动态系统来解释双向的预测编码神经电路构造。

Dec, 2022

使用 DisCoCat 模型构建的语义理论在 Lambek 的 pregroup 语法和单调性生物闭合类别中得到了进一步的扩展，并利用矢量空间模型建立了完整句子的向量。

Feb, 2013

提出了一种自然语言语义框架，使用向量对词语、短语和句子进行表示，基于理论分析，假设意义由语境决定。该方法可以推广向量加法、分量乘法和张量积等现有方法，并使用 lattice 结构描述语义之间的蕴含关系。

Jan, 2011