Delineiamo ora un modello astratto che ci consenta di eseguire delle catene associative. In una struttura di base di dati le informazioni sono memorizzate in termini di rappresentazioni e tali rappresentazioni si avvalgono di un supporto fisico che è specifico del sistema utilizzato.

Supponiamo di poter parlare in termini di proprietà o attributi che identificano le rappresentazioni e che da tali rappresentazioni si possa risalire alle informazioni originarie. Ogni proprietà raggruppa tutte le entità che posseggono tale proprietà, crea pertanto una partizione dello spazio di rappresentazione.

È possibile considerare due rappresentazioni più o meno simili (o dissimili) in base a considerazioni su quali e quante proprietà esse hanno in comune o si presentano nell'una e non nell'altra. Il concetto di dissimiglianza è un criterio metrico che ci consente di associare le ricorrenze di dati in maniera dinamica piuttosto che in rigide classi.

È possibile far dipendere il processo di associazione tra la ricorrenza A e la ricorrenza B (oppure l'insieme di ricorrenze B1, B2,..., Bm) da un parametro di soglia che misura il grado di dissimiglianza oltre il quale le ricorrenze non sono più associabili.

Descrivendo gli oggetti della nostra rappresentazione, le entità, in termini di proprietà possiamo creare dei processi associativi e generare degli schemi classificatori basati su considerazioni intrinseche agli oggetti stessi e in cui tutto il contenuto informativo rappresentato è presente nel dato. Le classi ottenute in tal modo sono dinamiche e si autogenerano nel modello sulla base delle ricorrenze specifiche della base di dati.

Un operatore può controllare e guidare l'intero processo verso un allineamento di significato che sia congruente con il linguaggio, oppure semplicemente ignorare le strutture che si creano automaticamente e che non sono in stretta relazione con le strutture esterne, sarà il sistema ad utilizzarle per abbreviare sia i percorsi di ricerca che i processi di riconoscimento degli oggetti nel corso di una conversazione tra uomo e macchina.

Come dovrebbe essere una memoria associativa.

Uno spazio di memorizzazione contiene ricordi, i ricordi sonotracce mnesiche in uno spazio mnesico. Le tracce mnesiche in una struttura di memorizzazione complessa sono rappresentazioni complesse. Le relazioni tra rappresentazioni complesse sono a loro volta strutture complesse.

Possedere un criterio associativo basato sulle proprietà delle rappresentazioni in memoria produce una grande semplificazione al problema della costruzione della struttura gerarchica di classificazione e memorizzazione. É possibile considerare simili due rappresentazioni nello spazio mnesico quando il peso degli attributi comuni supera il peso degli attributi diversi.

Per fissare le idee consideriamo l'insieme degli stati possibili di un generico sistema di memorizzazione e rappresentiamolo con un insieme di vettori

V = (v1,v2, ... , vn).

Costruiamo un criterio di "dissimiglianza" che consenta di associare o dissociare uno stato possibile vk nello spazio dei vettori V da un arbitrario stato vl o da un insieme di stati vl1,vl2, ... ,vlm .

Generiamo perciò una funzione distanza definita tra i vettori dello spazio V.

La funzione che si basa sul rapporto tra la misura dell'insieme differenza simmetrica e la misura dell'insieme unione tra due vettori di V, vk e vl ci fornisce una metrica particolarmente interessante per rappresentare la differenza tra rappresentazioni.

L'insieme differenza simmetrica contiene le proprietà che appartengono ad una rappresentazione ma non all'atra e viceversa. L'insieme unione contiene le proprietà che appartengono o ad una rappresentazione o all'altra. In altre parole il rapporto tra il numero di attributi che sono in comune e il numero di attributi complessivamente coinvolti nella descrizione degli oggetti confrontati è una funzione caratteristica del processo di associazione.

Tale funzione induce effettivamente una metrica ed è interessante notare come essa non dipenda da tutte le proprietà definite su V ma dipenda solo da quelle appartenenti ad uno o all'altro tra i vettori confrontati. Inoltre tale metrica si dimostra essere un invariante per trasformazioni lineari, e quindi rappresenta una proprietà intrinseca degli oggetti confrontati.

Una tale proprietà risulta particolarmente utile in quanto non richiede una definizione preliminare di tutti gli attributi gestiti dal sistema (o di tutti i domini), si presenta invece in maniera dinamica; ogni attributo viene aggiunto solo nel momento in cui è chiamato in causa dal fatto di appartenere ad un oggetto che entra in relazione col sistema di memorizzazione. La dissimiglianza tra due entità rappresentate nel sistema viene misurata sulla base delle proprietà manifestate dalle entità confrontate, non sulla base di un riferimento assoluto trascendente.