关于语义网络的组成部分如下：
语义网络是由结点和弧组成。结点表示事物、概念、事件等，弧表示结点之间的关系。结点和弧也可带有权值，以表示其有关的重要程度语义网络是表示知识和建立认知模型的一种带标号的有向图。
在语义网络中，带标号的节点表示思考对象──具体事物、抽象概念、状态和局势等；带标号的有向弧则表示节点所代表对象间的关系。
语义网络（semantic network）是一种以网络格式表达人类知识构造的形式。是人工智能程序运用的表示方式之一。
由奎林(J. R. Quillian)于1968年提出。开始是作为人类联想记忆的一个明显公理模型提出，随后在AI中用于自然语言理解，表示命题信息。在ES中语义网络由PROSPEUTOR实现，用于描述物体概念与状态及其间的关系。
它是由结点和结点之间的弧组成，结点表示概念(事件、事物)，弧表示它们之间的关系。在数学上语义网络是一个有向图，与逻辑表示法对应
语义网络（semantic network）是一种用图来表示知识的结构化方式。在一个语义网络中，信息被表达为一组结点，结点通过一组带标记的有向直线彼此相连，用于表示结点间的关系。
在人工智能的程序中，谓词及其变元可以看作是语义网络中的结点；而格关系则相当于结点之间的连结形式。语义网络是一种面向语义的结构，它们一般使用一组推理规则，规则是为了正确处理出现在网络中的特种弧而专门设计的。
语义网络对表达典型的陈述句子的内容尤其有用。例如，语句John gave the book to Mary的语义网络
重要特性语义网络的一个重要特性是属性继承。凡用有向弧连结起来的两个结点有上位与下位关系。例如“兽”是“动物”的下位概念，又是“虎”的上位概念。所谓“属性继承”指的是凡上位概念具有的属性均可由下位概念继承。在属性继承的基础上可以方便地进行推理是语义网络的优点之一。
特点语义网络的特点是：可以深层次地表示知识，包括实体结构、层次及实体间的因果关系;(推理的非有规则，无推理规律可循;知识表达的自然性直接从语言语句强化而来。
它的优点是：直接而明确地表达概念的语义关系，模拟人的语义记忆和联想方式;可利用语义网络的结构关系检索和推理，效率高。但它不适用于定量、动态的知识;不便于表达过程性、控制性的知识。