在人脑中的神经系统里存储的语义表征一直是认知神经研究领域的热点。研究发现人脑中的语义表征是按照特征信息分类存储。而在计算机领域中,自然语言处理的各种计算机语言模型也试图采用不同的算法模拟出最接近人脑的语义表征。此前,我们课题的研究初步粗略发现在计算机和人脑这两个复杂系统中,二者的语义表之间存在相似性。但是在具体的语义特征层级（比如类别语义信息）,脑与计算机这双复杂系统中的表征、计算机制及其之间的关系还不十分清楚。我们是否可以就类别语义信息为主要分析参照,探究不同计算机语言模型中哪个模型最接近人脑的语义表征,以及哪些类别语义信息的表征在计算机模型能做出最好预测?为了探究这些问题,本研究从类别从属关系角度,进一步深入探索人脑及计算机模型的语义表征存储。首先,我们选择了11种类别词和每个类别下的20个示例词,类别词和示例词可以组成的相关和不相关条件下两种词对。根据这些词对,我们设计并执行了一组脑电语义启动实验。数据处理中,我们选择不同的时间窗口得到不同脑电成分,即可以得到一个人脑的不同类别语义信息距离的表征指标,其中N400成分和语义分析最为相关。然后,我们选择了三个计算机语义模型,每个词对都可以在相应的计算机模型中找到相应的相对语义距离的指标-由两个单词各自的词向量之间的余弦值表征,通过和脑电数据相同的计算方式,我们得到了每个计算机模型表征每个类别语义信息的指标。最后,我们结合计算机模型指标和脑电数据指标,对比出这三个计算机模型的类别语义信息的表征的拟合情况以及不同类别语义信息的神经语义表征在这两个系统之间相似度差异。研究结果表明,CBOW和CWE模型能更好的表征人脑的类别语义信息,Glo Ve模型预测表现稍差。进一步就不同词语类别分析发现,不同计算机语言模型和脑电数据呈现不同的表现模式。病症、节气、情感和体育等语义类别计算机模型和人脑拟合的更好,但是器官、乐器和职业等语义类别有较大的区别。结合为获取实验刺激而进行的问卷数据结果,我们猜测是不同示例词的日常使用频次及类别词和示例词在语料库中同时出现的概率产生了特定的实验结果。本研究以不同类别语义信息为中介联系了人脑和计算机这两个复杂系统,深化了之前的研究,开拓了评估计算机语义模型的分析角度。