La sémantique est une branche de la linguistique qui étudie les signifiés, ce dont on parle, ce que l'on veut énoncer. Sa branche symétrique, la syntaxe, concerne pour sa part le signifiant, sa forme, sa langue, sa graphie, sa grammaire, etc ; c'est la forme de l'énoncé.

Le mot sémantique est dérivé du grec σημαντικός (sêmantikos), « signifié » lui-même formé à partir de σημαίνω (sêmainô), « signifier, indiquer » ou σῆμα (sêma), « signe, marque ». Il a été repris à la fin du XIX siècle par le linguiste français Michel Bréal, auteur du premier traité de sémantique.

En particulier, la sémantique possède plusieurs objets d'étude :

la signification des mots composés ; les rapports de sens entre les mots (relations d'homonymie, de synonymie, d'antonymie, de polysémie, d'hyperonymie, d'hyponymie, etc.) ; la distribution des actants au sein d'un énoncé ; les conditions de vérité d'un énoncé ; l'analyse critique du discours ; la pragmatique, en tant qu'elle est considérée comme une branche de la sémantique.

Le terme de sémantique est utilisé en opposition à celui de syntaxe dans l'étude des langages de programmation en informatique, pour laquelle elle a été développée de manière formelle (voir sémantique des langages de programmation). Il y a entre la sémantique et la syntaxe le même rapport qu'entre le fond et la forme. George Lakoff a étudié la sémantique influençant la syntaxe .

Différence entre l'analyse sémantique et l'analyse syntaxique

L'analyse syntaxique aussi bien que l'analyse sémantique en linguistique a pour finalité de caractériser l'énoncé dans son ensemble principalement par la détermination des structures de l'énoncé. Dans les deux cas, la détermination des structures sera basée sur une caractérisation de ses éléments de base, les mots, et leurs propres constituants, mais de façon différente selon ces deux approches.

L'analyse syntaxique va s'occuper des syntagmes et elle s'en occupera par rapport à une phrase. On ne peut pas faire d'analyse syntaxique du mot "petites" par exemple s'il n'est pas inclus dans une phrase, en relation avec d'autres mots compléments ou chefs de groupe.

L'analyse syntaxique peut ainsi être identifiée comme une analyse des structures fonctionnelles pouvant être obtenues au moyen de l'exercice des règles de la grammaire.

L'analyse sémantique de son côté s'intéresse à ces structures en observant les mécanismes propres à la construction du sens. À savoir : un sème est la plus petite unité de sens.

La sémantique peut s'intéresser à un mot pour le mot. On analysera ainsi le mot « petites » :

PETIT (Adj. ⇒ qui n'est pas grand) + E (marque de féminin) + S (marque de pluriel) [PETIT – la base ou le radical du mot (signe lexical), E + S - sont des signes grammaticaux].

Pour le mot « petites » nous avons donc trois sèmes.

À partir de ce même mot, d'autres analyses sont possibles sans forcément mettre en lumière un énoncé entier. (cf introduction)

La distinction entre analyse syntaxique et analyse sémantique qui est établie ici correspond à l'approche la plus répandue en linguistique contemporaine, celle qui hérite du structuralisme introduit par Ferdinand de Saussure. On rencontrera les termes d'analyse structurale ou analyse componentielle employés comme équivalents pour signifier au plus directement l'approche utilisée pour effectuer l'analyse sémantique selon cette théorie. La structure est perçue comme directement sous-jacente à la phrase, cette dernière étant une structure ainsi qu'il est mis en évidence par la syntaxe ou la grammaire, et le mot étant considéré comme associé à ses traits sémantiques. D'autres approches, comme principalement la grammaire de dépendance de Lucien Tesnière, antérieure au structuralisme, réservent la qualification de structure au niveau syntaxique. Pour Tesnière, le niveau syntaxique est appelé plan structural tandis que le plan sémantique est considéré comme relevant de la psychologie, et également de la logique.

Applications à l'exploration de données

Les méthodes d'exploration de données permettent de dégager du sens d'un ensemble de données d'allure a priori disparates (voir aussi intelligence artificielle) et donc créent de la sémantique. La sémantique dégagée prend généralement trois formes (traduction par des signifiants formels) issues de l'intelligence artificielle :

Le tableau ;

Le graphe (réseau maillé d'objets, de concepts, etc.) ;

L'arbre (cas particulier de graphe nécessitant une théorie et une exploitation spécifiques).

Ce sont des signifiants, au sens où ils représentent les connaissances. De telles structures sont ensuite annotées dans les données de départ, chaque donnée portant alors la marque de son appartenance à une branche de l'arbre, une case du tableau, etc. L'analyse reprend alors à un niveau de compréhension plus complexe.

La découverte des connaissances dans les bases de données

Toutefois, la machine ne manipulant que des signifiants, il est impératif que la démarche de forage de données fasse intervenir un expert humain du domaine. Celui-ci va restituer la sémantique extraite et lui donner du sens, de la valeur. Trois critères sont exhibés à cette fin :

Est-ce connu ?

Est-ce explicable ?

Est-ce utile ?

L'idéal est d'avoir un triplet NON/OUI/OUI.

Un tel projet est appelé « découverte des connaissances dans les bases de données », en anglais KDD, Knowledge Discovery in Databases.

Finalement, la sémantique extraite tient le rôle d'une cartographie de l'information, elle permet de situer les informations les unes par rapport aux autres. Ce rôle « cartographique » permet de stocker l'information, de la ranger et plus tard de la retrouver. Tout modèle, jeu de catégories, topique freudienne est alors de facto une cartographie de l'information, c'est-à-dire un contexte formalisé.

Ce sont en fait des données sur les données, des métadonnées. Des architectures informatiques spécifiques permettent de gérer ces métadonnées, on parle de client ou de serveur de métadonnées. Un système connu est le Dublin Core Metadata Initiative (DCMI). (voir Dublin Core)

Le Web sémantique est un projet du même type que DCMI, visant à créer, gérer et exploiter des métadonnées systématiques pour chaque page web. Ainsi le contenu de chaque page web étant explicité vers des signifiants, la machine serait capable de raisonner sur la pertinence du contenu et non plus sur des statistiques lexicales. Cela peut avoir des conséquences remarquables sur les technologies de recherche d'informations, ainsi que l'allure et le fonctionnement des moteurs de recherche.

Cas particulier de la fouille textuelle

La fouille textuelle consiste à transformer un objet « texte » en un objet « tableau », « arbre » ou « graphe » à l'aide de traitements sémantiques ou syntaxiques puis à appliquer des techniques de fouille textuelle sur cet objet formalisé. Les résultats attendus sont généralement :

Le résumé automatique ;

L'indexation automatique ;

La génération d'index de livre (vedettes et sous-vedettes) ;

L'extraction et la cartographie de concepts ;

La classification automatique ;

Le rapprochement entre textes.

L'approche sémantique a une littérature plus féconde que l'approche syntaxique : même si cette dernière a des résultats supérieurs, les ressources de calcul demandées font souvent pencher la balance en faveur de l'analyse sémantique.

L'analyse sémantique transforme un ensemble de textes en une matrice lexicale :

En ligne, chaque texte ;

En colonne, chaque mot-clé apparaissant au moins une fois dans l'un des textes ;

Dans les cases, un ratio numérique mesurant à la fois la fréquence d'apparition d'un mot-clé dans un texte et la fréquence d'apparition du mot-clé dans le corpus.

Cas particulier des ontologies

Le terme « ontologie » a une signification philosophique, mais en gestion des connaissances, il représente la forme probablement la plus évoluée de représentation sémantique des connaissances. Il s'agit d'une sorte de « superthésaurus » destiné à indexer toutes les productions documentaires, stockées, entrantes ou sortantes dans un groupe social donné, typiquement une entreprise. Ainsi, un courrier électronique, un ouvrage de référence, un document de travail partageant les mêmes thèmes seront automatiquement mis en lien, donc mis en contexte, dégageant ainsi des connaissances sémantiques.

La structuration d'une ontologie est pratiquement un métier en soi, à l'instar de la conception et de la maintenance des thésaurus de bibliothèques. La construction est toujours collective et par agglomération de domaines de compétence.

L'articulation de base d'une ontologie est la suivante :

C'est un arbre sémantique ;

Chaque mot-clé est affublé de lexicons : synonymes, homonymes, hyperonymes, homophonies traduction dans d'autres langues, etc. Ce micro-réseau autour d'un mot-clé est appelé concept ou classe ;

Chaque concept est à considérer comme une catégorie de thésaurus, donc avec des catégories plus larges ou plus étroites. Ce lien d'appartenance est interprété comme un lien logique ;

Chaque concept peut avoir des instances, soit des éléments appartenant à cette catégorie.

Exemple : OISEAU > AIGLE {aigle royal}. La machine peut alors inférer que l'aigle royal est un oiseau.

Les liens entre concepts peuvent être beaucoup plus complexes que la simple subordination, sortant ainsi du cadre du thésaurus. Si les concepts sont assimilables à des groupes nominaux, les liens sont assimilables à des groupes verbaux : on regroupe ces liens en catégories de liens. La structure du réseau est parfois appelée topic map.

En pratique, on pourrait ainsi traduire automatiquement un manuel d'histoire en ontologie, en considérant cinq types de concepts (date, lieu, évènement, personne physique, personne morale) et une trentaine de catégories de liens verbaux.

En plus des lexicons, les instances peuvent pointer vers des ressources ou URI. Généralement, ce sont les documents que l'on cherche à indexer.

Pour la machine, raisonner sur les connaissances ainsi représentées revient à « se promener » dans le réseau de concepts, à la manière d'un réseau routier. Il existe des algorithmes spécifiques, par exemple les chercheurs de chemins (Pathfinder), qui cherchent le plus court chemin d'un concept à l'autre en respectant un critère d'économie : « plus petit nombre de concepts », « plus grand nombre de langues », « plus grand nombre de synonymes », etc. Les résultats peuvent être spectaculaires, surtout si l'on garde présent à l'esprit que le point de départ et le point d'arrivée ne sont pas les concepts, mais bien les URI indexés (documents de l'entreprise).

语义学（英语：Semantics，法语：La sémantique），也作「语意学」，是一个涉及到语言学、逻辑学、计算机科学、自然语言处理、认知科学、心理学等诸多领域的一个术语。虽然各个学科之间对语义学的研究有一定的共同性，但是具体的研究方法和内容大相径庭。语义学的研究对象是自然语言的意义，这里的自然语言可以是词汇，句子，篇章等等不同级别的语言单位。但是各个领域里对语言的意义的研究目的不同：

语言学的语义学研究目的在于找出语义表达的规律性、内在解释、不同语言在语义表达方面的个性以及共性；

逻辑学的语义学是对一个逻辑系统的解释，着眼点在于真值条件，不直接涉及自然语言；

与计算机科学相关的语义学研究在于机器对自然语言的理解；

认知科学对语义学的研究在于人脑对语言单位的意义的存储及理解的模式。

语义学的创建以法国学者米歇尔·布勒阿尔（Micchel Bréal）1897年出版的《语义学探究》（Essai de Sémantiqus）一书为标志。

和语义学经常混淆的一个术语是符号学（semiotics），二者没有直接的联系。（关于符号学的具体内容，请参见相关条目。）

另外需要指出的是美国的general semantics，其主旨与语义学没有直接联系，general semantics这方面的著作比如有早川一会的《语言行动》（Language in Action）、《语言与人生》（Language in Thought and Action）。

语言学的语义学

若从严格意义上的语言学研究来分类，在现代语言学的语义学中，可以分为结构主义的语义学研究和生成语言学的语义学研究。 结构主义语义学是从20世纪上半叶以美国为主的结构主义语言学发展而来的，研究的内容主要在于词汇的意义和结构，比如说义素分析，语义场，词义之间的结构关系等等。这样的语义学研究也可以称为词汇语义学，词和词之间的各种关系是词汇语义学研究的一个方面，例如同义词、反义词，同音词等，找出词语之间的细微差别。 生成语义学是20世纪六七十年代流行于生成语言学内部的一个语义学分支，是介于早期的结构主义语言学和后来的形式语义学之间的一个理论阵营。生成语义学借鉴了结构语义学对义素的分析方法，比照生成音系学的音位区别特征理论，主张语言的最深层的结构是义素，通过句法变化和词汇化的各种手段而得到表层的句子形式。 形式语义学是从20世纪70年代开始发展出来的一个理论阵营。最初的研究开始于蒙太古以数理逻辑方法对英语的研究，后来经过语言学家和哲学家的共同努力，发展成为一个独立的学科，并且摒弃了蒙太古对生成语言学的句法学的忽视，强调语义解释和句法结构的统一，从而最终成为生成语言学的语义学分支。现今的形式语义学的研究在欧美的语言学系都很繁荣，乔姆斯基作出了大量贡献。哲学系对形式语义学的研究已经渐渐失去了原有的兴趣，进而转向了心灵哲学的研究。

逻辑学的语义学

所谓的词汇部分就是列举出一个形式系统所使用的所有符号，

句法部分是这些符号的组合规则，规定什幺样的符号串行可以是这个系统的句子，

语义部分是对合格句子的解释，这样的解释通常是：在一个模型中进行的对真值条件推导。

其他学科的语义学

语义学还广泛地应用于其他领域，比如说计算理论中的语义学，其本质和逻辑学的语义学是一样的，都是对一个形式语言系统的解释。比如逻辑编程语言Prolog。在自然语言处理的研究中，对语义的研究也是一个非常重要的领域。现在比较成功的是对词汇意义的研究，但是对更大语言单位的意义的研究还在发展中。互联网理论中讨论的Web 2.0的一个很重要的特征就是语义网络，其目的是以语义为纲领组织网络资源。在认知科学等方面对词汇语义学的研究也很深入，早以超越了传统的结构主义。比如lexical priming研究的是词义是如何在人脑中以网络的形式储存的，一个词汇往往会激活很多相关的词汇。这方面的研究还有很多，比如WordNet，这里不一一列举。

语义学和语用学的关系

中国的语义学研究

中国有很悠久的语义学研究传统，从最早的《尔雅》、《方言》，到后来的《说文解字》等等都是对词汇和汉字的意义的研究。还有中国的注疏训诂学的研究实际上涉及到词汇学以及历史词汇学的很多内容。王力先生的巨著《汉语史》中就有词汇意义发展变化的一个专门部分。 自从美国结构主义语言学引进中国以后，中国的结构主义词汇学有了很大的进展，出现了很多的著作，比如北京大学中文系符淮青先生的《词义的分析与描写》，还有贾彦德先生的著作《汉语语义学》都是代表性的著作。 近年来随着生成语言学在中国的兴起，形势语义学也开始有所发展，比如香港的潘海华和台湾的林若望。在中国大陆，这方面的研究还是刚刚起步。比较有代表性的有北京大学中文系袁毓林先生，比如他对汉语“都”的研究。