在自然语言处理中，怎样去大概分析一个语句的含义？

卧槽，这个问题不邀请我是什么鬼？
专业相关，俺的目前的研究方向包括知识图谱和topic model，后者是一个典型的自然语言处理的问题。前者则涉及到如何“理解”句子的问题。

事实上，@advAdder 已经写的很好了，而@JmingS 的答案感觉略有薄弱。顺便，我希望补充一点更深入的内容：机器在分析了语句以后如何理解语句。这就需要知识图谱。

事实上，典型的一个角度是将自然语言转换成horn clauses，然后进行计算。为了实现这种转换，需要：
1、从句子中识别实体。
2、从句子中识别逻辑关系。

转换成horn clauses以后，进行逻辑运算，从而对语句进行反应。

这两年使用deep learning的方法，特别是word embedding火了以后，将句子中识别的实体映射为欧式空间甚至希尔伯特空间的一组向量。通过向量的加减进行反应。

上面两种方法算是分别是符号主义和连接主义的典型了。我自己是贝叶斯主义的，最近看到的是劳逆研究员提出的Random Path方法，这个方法也可以用来进行一些语义的理解。