本文提出了一种结合超维计算与概念空间理论的方法，以填补类比推理的研究空白。研究表明，该方法在基于分类和属性的类比推理中展现出潜在的语义理解能力。

本研究提出了一种基于医学知识先验的知识增强瓶颈模型（KnoBo），通过检索增强语言模型，设计适当的概念空间，并采用自动训练过程来识别概念，以提高医学模型对领域转移的适应能力。在广泛的20个数据集上评估了不同知识资源和识别架构，在混淆数据集上，KnoBo的性能平均超过精调模型32.4%。最后，评估表明PubMed是使医学模型对领域转移的敏感性降低的有希望的资源，在信息多样性和最终预测性能上优于其他资源。