下载文档原格式
空间句法的简易演示1、研究方法空间句法主要有三种研究方法：凸多边形法、轴线底图法、视区分割法，建筑和城市研究多采用前两种方法，本演示说明只针对前两种方法进行简单演示。
凸多边形法：凸空间定义：假设一个空间内部，任意两点之间可以相互看见（all see all）（如图）。
凸多边形法：适用于将建筑空间转换为二维平面图，进而计算空间之间的相互关系，通过准确描述空间结构，来观察人的行为和社会活动，反作用于研究建筑空间的合理性和功能性。
左边空间为凸空间，右边空间由于部分点之间视线遮挡，不能定位为凸空间。
轴线底图法适用于城市范围内的空间和道路空间可达性的研究。
2、软件应用（1）凸多边形法演示——以单层建筑平面为例在网络上下载UCL 的Depthmap10进行安装，并打开软件。
Ctrl+N，新建一个graph文件。
在此之前，我们按照建筑平面进行凸空间整理，以下图空间为例，首先在CAD里进行凸空间绘制。
绘制完成后将CAD文件另存为“dxf”文件，用于导入Depthmap中。
按Ctrl+I，导入Depthmap中，并将文件转化为“Convex Map”（凸空间模型，转为Convex Map；轴线模型，转为Axial Map；线段模型，转为Segment Map。
），软件才可以进行凸空间运算。
运算完成后，得到有颜色的结果，对于有数值的，空间句法采用是颜色级别显示策略，如果一个元素是灰色的，说明这个元素是没有数值的，需要在CAD里重新绘制。
然后设定空间之间的连接关系，常用按钮为Link和Unlink，。
点击“Select”退出编辑，然后进行运算。
在Depth Map→Axial/Convex/Pesh→Run Graph Analysis，弹出对话框。
对话框中的参数设置，最上面为Rdius，设置计算半径，数值选择有“n，3,5,7,9,11”，以任意一个空间元素为中心，再以“全系统”、“半径3”、“半径5”、“半径7”等以此类推为限制条件，分别进行某个算法的计算。
现象学是20世纪哲学的一大流派，创始人是德国哲学家胡塞尔，主要代表人物有还有德国的舍勒、海德格尔、法国的梅洛-庞蒂、波兰的茵格尔顿等等。
在19世纪后期，整个哲学界都被心理主义垄断着，心理主义把一切都归结于人的心理现象，这样做的后果是把整个世界都主观化和内在化了。
同时欧洲又是一个深受理性主义浸染的地方，在近代科学发展起来之后，人们逐渐开始用数字化和符号化的方式来表征这个世界，并且称之为“科学”。
可是胡塞尔发现，这样的科学，其基础是不牢固的。
怎么样去寻找一个既不像心理主义那样主观化和内在化，又不像现代科学这样数字化和符号化的真正可靠地认识呢？胡塞尔最终找到了“现象学的直观”。
简单解释“直观”就是不去做主观先入为主的选择和判断，而是按照事物对我们所呈现出来的方式去认识。
现象学有一句名言叫“回到事实本身”，大致可以概括现象学的特性吧。
具体过程要求“悬置”和“现象学还原”，那就是一些比较具体的方法操作了。
问题二：现象学最开始是哲学，但是和社会科学有很密切的联系，因为现象学的研究方法很适合做社会科学和人文科学的研究。
现象学在伦理学（舍勒）、社会学（舒茨）、教育学（范梅南）、神学（舍勒）、美学（茵格尔顿）乃至建筑学当中都成为重要的理论和研究方法。
现象学的对象是人的生活世界，而非科学世界。
现象学关注的是人的情感价值判断。
并关注人的意识。
人的意识包括很多方面，例如记忆、期望、感受等。
那么是什么使意识导向了人的某个记忆、或者是期望呢？现象学用了一个术语是“意向”(intentionality)来描述意识被导向的过程。
那么是什么使人有意向呢？是意义(meanings)。
胡塞尔认为意义是意识的本质。
现象学就是力图对意义进行描述，来看看它究竟如何使意向成为可能。
那么究竟我们通过什么途径来考察意义呢？就是“悬置”，或者说是“加括号”的方法（bracketing），这个方法源自于笛卡尔的“我思故我在”。
我们并不进入当前意识所在的内容本身，而是游离于其外，观看该意识本身，看看除了该当前意识所在的内容之外，还有什么内容在里面。
sdna空间句法
SDNA（空间句法）是一种用于分析自然语言句子结构的语法框架。
它着眼于句子中的词汇之间的空间关系，而不是依赖于传统的句法树结构。
SDNA的思想是将句子中的单词表示为多维空间中的向量，并通过计算向量之间的距离和相似度来确定它们之间的句法关系。
在SDNA中，每个单词都被表示为一个向量，这个向量具有多个维度，每个维度代表单词的某个属性或特征。
通过在向量空间中计算两个向量之间的距离，我们可以得出这两个单词之间的句法关系，比如主谓关系、动宾关系等。
SDNA还使用了一些技术手段来处理句子中的多义词和歧义词。
通过将单词的向量表示与上下文相关的信息结合起来，SDNA可以根据上下文来确定单词的确切含义，从而解决了句子中的歧义问题。
相比传统的基于句法树的句法分析方法，SDNA具有一些优势。
首先，SDNA不需要事先构建句法树，从而减少了计算的复杂度。
其次，SDNA能够更好地处理复杂的句子结构，比如长距离依赖关系和交叉依赖关系。
最后，SDNA还可以通过学习来适应不同的语言和语境，具有一定的通用性。
总的来说，SDNA是一种创新的句法分析方法，通过将句子中的单词表示为向量并计算向量之间的关系，可以准确而灵活地分析句子的结构。
它在自然语言处理领域有着广泛的应用前景。
