也就是说，存在一起买一套衣服的男人集合的一个子集。个体性解读为一些男人中的每个人都买了一套衣服，表示为：

ヨM2 : M2 ⊂ {z 1 Man(z)} ∀ m : m ∈ M2

ヨs:Suit(s).Buy1(m, s)

需要注意的是，整体性解读和个体性解读均与一个共同的核心意义相关，即男人的子集。惟一的差异是将这个集合当做一个单位还是表示集合中的每一个元素。

基于集合的表示方式也可以用来确保不止一个人买了一套衣服。为此，我们引人一个新的函数返回这个集合的势。对任何集合S, ISl表示集合S中的元素个数。用算术运算符，可以对集合中元素个数的约束进行表示。例如，“Three men entered the room”(三个人进入了这个房间）的意义如下（仍然忽略了时态信息）：

ヨ M:(M ⊂ {y| Man(y)} & IM|=3)

          ∀m: m ∈ M. Enter1 (m, Room1)

通过改变这个约束为IMI≥3，可以得到“At least three men entered the room”(至少三个人都进入了这个房间）的意义。

一些含义模糊的量词也可以用集合赋予一个近似的意义。例如，定义“most”为集合中超过一半的元素个数，那么“Most men laughed”（大部分人都笑了）的意义如下：

ヨ M: ( M ⊂ {y I Man(y)) & IM| ≥|{y | Man(y)1}|/2 )

            ∀m:m ∈ M. Laughed(m)

在一个实际的篇章中，量词项的解释往往与前面定义的某个集合有关。例如，句子“Most men laughed”指上述集合中的大部分人，而不是指世界上的大部分人。换言之，这个句子不是说所有男人中的大部分都笑了，而是指在某个特定上下文（比如，一个给定的房间）中的大部分人都笑了。

在知识表示中引入集合作为明确对象后，我们就能够以一种直觉上令人满意的方法来描述一些定量化的结构。这里讨论的是对一阶谓词演算的扩展，实际上，在其他表示方法中也需要有类似的描述能力来刻画相同的现象。例如，在语义网络表示方法中，要有节点能够表示集合，能够表示这些节点上的集合中数量的约束，还能够对这些集合进行量化以得到个体性的解释。

责任编辑：admin