기존의 기호주의적 인공지능 시스템이 지식을 표현하고 추론하는데 있어서 유연성을 결여하고 있다는 것은 잘 알려진 사실이다. 이것은 기호주의적 지식표현 방법이 표현하고자 하는 의미구조를 반영하고 있지 않기 때문이다. 본 논문에서는 유연한 지식표현과 추론을 위한 연결주의적 접근방법으로써 신경망에 기반한 새로운 지식표현과 추론체계인 Connectionist Semantic Network(CSN)을 제안한다. CSN에서 지식은 개념을 나타내는 상호연결된 노드로써 표현된다. 각 상위개념은 그것과 연관이 있는 하위개념의 네트워크 형태로 표현된다. 각 개념들 사이의 연결은 유연한 추론에 있어서 중요한 역할을 하는 유사성과 연관성을 나타낸다. 이와 같은 구조를 가지는 CSN에서, 추론은 관련된 개념들의 활성화를 네트워크를 통하여 전파함으로써 이루어진다. 본 논문에서는 실험을 통하여 CSN이 유연한 지식표현과 추론에 효율적인 구조라는 것을 보인다.