(1) 根据样本均值和样本标准差，我们可以使用正态分布来估计网络用户每天平均上网时间的置信区间。由于样本容量大于30，可以使用正态分布的近似方法。

置信水平为95%，对应的Z值为1.96（Zo .025=1.96）。

置信区间的计算公式为：
置信区间 = 样本均值 ± Z值 * (样本标准差 / √样本容量)

代入数据计算：
置信区间 = 6.5 ± 1.96 * (2.5 / √225)

计算结果为：
置信区间 = 6.5 ± 1.96 * (2.5 / 15)

简化计算：
置信区间 = 6.5 ± 0.3267

最终结果为：
置信区间 = (6.1733, 6.8267)

所以，以95%的置信水平，网络用户每天平均上网时间的置信区间为6.1733到6.8267个小时。

(2) 在所调查的225个网络用户中，年龄在20岁以下的用户为90个。我们可以使用二项分布来估计年龄在20岁以下的网络用户比例的置信区间。

置信水平为95%，对应的Z值为1.96（Zo .025=1.96）。

置信区间的计算公式为：
置信区间 = 样本比例 ± Z值 * √(样本比例 * (1 – 样本比例) / 样本容量)

代入数据计算：
样本比例 = 90 / 225

置信区间 = 90 / 225 ± 1.96 * √((90 / 225) * (1 – 90 / 225) / 225)

计算结果为：
置信区间 = 0.4 ± 1.96 * √(0.4 * 0.6 / 225)

简化计算：
置信区间 = 0.4 ± 0.062

最终结果为：
置信区间 = (0.338, 0.462)

所以，以95%的置信水平，年龄在20岁以下的网络用户比例的置信区间为0.338到0.462。

不一定。语义网络是一种表示知识的图形结构，其中节点表示概念，边表示概念之间的关系。在语义网络中，一个问题可能有多个答案，因为一个概念可以与多个概念相关联，而这些概念又可以与其他概念相关联。因此，语义网络的答案不一定是唯一的，可能存在多个合理的答案。

在语义网络中，属性和属性之间的关系可以通过边来表示。一般来说，属性之间的关系可以分为以下几种：

1. 同义关系：表示两个属性具有相同的含义，可以互相替换。例如，“高”和“大”就是同义关系。

2. 反义关系：表示两个属性具有相反的含义，互为对立。例如，“高”和“矮”就是反义关系。

3. 上下位关系：表示两个属性之间存在包含关系，其中一个属性是另一个属性的子类。例如，“狗”是“动物”的子类，就可以用上下位关系来表示。

4. 部分整体关系：表示两个属性之间存在包含关系，其中一个属性是另一个属性的一部分。例如，“车轮”是“汽车”的一部分，就可以用部分整体关系来表示。

5. 关联关系：表示两个属性之间存在某种关联，但不是包含关系。例如，“作者”和“书籍”之间就存在关联关系，一个作者可以写多本书籍，一本书籍也可以有多个作者。

这些关系可以通过不同的边来表示，例如同义关系可以用“同义边”来表示，上下位关系可以用“上位边”来表示，部分整体关系可以用“部分整体边”来表示，关联关系可以用“关联边”来表示。