概念模型: OR.
- O: 含有异的Object
- 异的部分如数，位置，特性。同的部分如同目的，本质共性，同空间同时间同于一体，同为影响，同为继续存在而非害于存在。
- R: Object之间的关系Relation
OR以信息集合表示时，可进行包含子信息的判定，交叉分隔等集合关系的判定等。
OR根据需求，R的种类分类最重要的是满足需求，形成影响，功能服务于，转化成。左边多个文词的实例指向同一个东西。也就是y = f (x)
分类: 按O 自身结构还是处理时的情况条件分布
- 自身结构的同的部分不断抽象，抽的标准是重要或者使分类更容易的条件，可形成多层的OOP中的继承树，如生物的界门纲目等。同一事物在不同结构中可以称作不同名称，同一义可以通过OR的网状关系中的各个路径进行限定命名成不同的东西。
如分类、限制、信息集合的增加，三者通过不同角度对同一活动进行描述。
- 从最主要的功能出发，对数量大的O们进行有效二分或多分，减少控制复杂度，就称之为分类，前面提到分类可以有很多标准，不同标准条件可以形成不同的分类树，最常见的是共性抽象分类树，OOP中的继承树，以及服务于目标的函数链的依赖作用树。
- 限制一词，说明已知数量多的O们，被一个词所映射，嫌弃其映射数过多，所以限制。
- 集合加信息，即意味着已有信息不够用，要增加，增加的这部分够用的信息的可能用处是区分各词，可能用处是与其他O的关系作用。
- 模糊性，精确。这个是相对于人来说的，需要这种精确性，需要消除模糊性时才操心。因为这种精确性没啥用时，不用区分。
以上有互文类似的省略，即需要额外的举一反三重新打碎概念为基本元素，根据类似组合规律进行其他组合。
由以上出发，我手头的词典中，查询 Hart 只有译文版有名字信息
- 在我需要这个解释时，没有这个解释的其他词典就是此时的表现差。
- LDOCE英解部分说是一种公鹿，a male deer，这精确度够用了，
- 而汉解部分说公鹿。这样看汉解只是关键词，残缺，对于必要的区分信息他不携带，所以鼓励读者读英文。
- 那么英文多了什么呢，精确在哪里，精确在它不解释这是成年公鹿，也不解释特别指哪一种红鹿，也没有说明是年龄5岁以上，但是它的英文解释没有残缺，而是提供了形式上的完全信息，告诉读者这是成年公鹿的一种，这可不是公鹿的意思，而是公鹿下的一个分类！哪一种？你需要可以再查维基。这叫信息的全面，全面到不具体。准确但不精确，所以汉解的译者们还需要多学习一下。
- 其更具体精确的全面信息可以参考cod ode
语言为什么容易混淆，因为逻辑概念不清，对应不明确，一个事物名对应多重义，不仅如此，又是为了效率，用事物暗含仅某个特性，这时结构的准确和精确的梳理会很大成本，平常人可以混着来，需要精确时经过多次重复确定或者私有约定即可，但词典的编修翻译要更负责些。像英文的语法结构的一构多义比如这里 a ＋名词表示种类，而不表示一个，而是任意一个表种类。像LDOCE的汉解根本不能作为翻译，而只是英文释义的中文分类，部分重点的注解。是共性抽象树更抽象的层，而非本来的层。LDOCE将类1下的类2的两层结构却说是成是类1，是male deer类下的一类却说是male deer。
到最后我怎么突然发现 英文 a male deer 就是公鹿，和汉解是一样的毛病。
文的某种形式的自全，和文用于交流时的沟通有效性是两回事。上面的抽象树和公鹿对应不准确的问题，用文字描述真的好费劲。
集合中
- 可选是相对人的，对物来说是有无都可接受的，厘清的话应该是元素有无形成最后两个集合，但可以简单表示成/a，虽然a是可有可无的，但"a是可有可无"这一信息却是必有的。而含有的信息比如是否包含b是未知的，可能对可能错的，ab两者有区别，是不同的信息，应进行不同的标记信息表明这种区别，如果不标记本身意味着未知，那标记就意味着已知。而不能混于一体，这样一多对应怎么还原原结构。
- 必要的信息，记录下来，为了不额外标记，已知和必要用两种方式标记，默认出现的都是已知
- 已知中不带额外符号的默认为必要
- 带有/号的就不是必要
这样的标记是很省符号很有效率，但解码还原时不提前知道这个结构的话，自己猜，就像上面一样还要自己额外推理整理原来已有的信息不仅是已知的还是必要的，而使用词语时不符合已知的必要或可选，可能超出了词典的范围，符合词典未知的用法的必要和可选。
所以，已知未知，必有非必有，非必有是可有还是必无，如美语用法这个标记，到底是可美语用，还是仅美语用，还是主美语用，那么暗含英国必不能用还是少用还是也可以用，默认不标记又是什么意思，标记是这个意思那那个意思又怎么标记，这些标记和意义的种类繁多，而各个词典的文字默认和标记的必有非必有，必无非必无标签非常少。再加上读者查询词典是还要考虑词典已知未知，也就是全面不全面，未知是不记录还是不精确不具体。甚至还要考虑准确不准确，错不错，错是编辑错了还是MDX制作出错了，想分析问题数量庞大，解决办法是多参考多使用，只要不影响最后的使用，那就可以认为当下的水平虽然不完美有错误但是可以满足需求的。