语用要点识别模型（MRIP）以间接言语行为理论为言语本体基础，以会话含义理论为言语交际基础，利用计算语言学与人工智能等相关理论，建构计算语用学与自然语言理解研究平台。其研究目标是揭示从字面语用要点间接地转变至实质语用要点的具体机制，并以此为基础，一方面试图实现语用行为层次的自然语言理解，另一方面试图嫁接言语行为理论与会话含义理论的鸿沟。BDI模型是塞尔间接言语行为理论的计算理论，后发展为智能体（Agent）研究的主导模型。本文提出一种基于逻辑推理范式的IBDI语用要点识别模型。一方面，改进BDI模型存在的两方面欠缺，即言语行为分类简单、形式化抽象没有上升到具有普遍意义的语用行为与语用要点层次，提出语用要点的本体分类与交际分类，并基于此分类增加语用要点种类，给出语用要点的框架形式化表示。增加部分计划推理规则。并提出通过两种局部计划类型判别直接与间接语用行为的方案；另一方面，IBDI模型在理论范式上继承BDI模型的逻辑推理传统，基于BDI模型的计划推理与建构规则，及启发式规则与控制系统，通过优选局部计划与检测难点，实现语用要点与语用行为的识别。另一方面，本文提出一种基于概率统计范式的HMM语用要点识别模型。作为一种创新性方案，其建构途径主要是：依据给定单词和韵律的观察句子序列ST=（st₁,st₂,…,stT）与隐马尔科夫模型λ=（A,B,π），利用Viterbi算法，识别内部最优的语用要点序列IP=（ip₁,ip₂,,…,ip_T）。其中，通过马尔科夫模型即单词－N元语法，计算单词序列的发射概率；通过CART分类回归树技术，计算句子韵律的发射概率；内部状态转移概率则通过要点－N元语法模型技术建构的语用要点加权有限状态自动机（FSA）来计算。通过语言哲学、语境理论及塞尔心智哲学的分析，本文提出语用要点的PAP解释方案与语境的框架序类（FOC）解释方案，并以此两种方案作为语用要点识别模型的哲学基础。针对语用要点的公共性、可及性与私密性分析，提出以语用逻辑、非单调逻辑、概率统计算法作为模型的逻辑与数学基础。基于这些哲学、逻辑与数学基础及上述两种模型，本文创新性地提出语用要点识别模型的总体理论框架。并在此理论框架基础上提出两种理论范式：逻辑推理范式与概率统计范式。