过渡网络是一种图形化的方法，可以将语言和知识表示为一系列状态和转换。DT模型也可以看作是过渡网络的一个扩展和改进。从此以后，DTM逐渐发展成为自然语言处理领域的重要研究方法之一，被广泛应用于语义分析、语法分析、机器翻译等任务中。虽然在后来的几十年中，DT模型以及其他一些类似的模型被更先进的方法所取代，但DTM的起源和发展为自然语言处理的研究奠定了重要的基础。
DTM的起源可以追溯到上世纪70年代末和80年代初，当时的计算机科学家和工程师开始探索如何将人类的语言和思维能力应用到计算机系统中。
在这个时期，人工智能研究正处于起步阶段，研究人员希望开发出一种能够理解和处理自然语言的计算机系统。为了实现这个目标，他们开始尝试将语言和知识表示为一种形式，这种形式可以用计算机程序进行处理和操作。这种方式被称为“语言学习者”（Language Learner）。
在1980年代初，几位研究人员，包括D.E.卡普兰（D.E. Kaplan）、R.M.达尔ka（R.M. Dahlka）和W.B.惠特史密斯（W.B. Whitman Smith），开始开发一种名为“过渡网络”（Transition Network）的语言学习者。过渡网络是一种图形化的方法，可以将语言和知识表示为一系列状态和转换。
几年后的1987年，C.L.斯通（C.L. St-Onge）和J.谢隆（J. Schlon）提出了一种进一步发展过渡网络的方法，称为“DT模型”（DT model）。DT模型基于状态-转换网络的概念，但引入了更多的形式化和数学的思想，可以更好地处理复杂的语言结构和上下文。DT模型也可以看作是过渡网络的一个扩展和改进。
从此以后，DTM逐渐发展成为自然语言处理领域的重要研究方法之一，被广泛应用于语义分析、语法分析、机器翻译等任务中。虽然在后来的几十年中，DT模型以及其他一些类似的模型被更先进的方法所取代，但DTM的起源和发展为自然语言处理的研究奠定了重要的基础。