自然語言處理（NLP）就是在機器語言和人類語言之間溝通的橋樑，以實現人機交流的目的。人類通過語言來交流，狗通過汪汪叫來交流。機器也有自己的交流方式，那就是數字信息。
不同的語言之間是無法溝通的，比如說人類就無法聽懂狗叫，甚至不同語言的人類之間都無法直接交流，需要翻譯才能交流。
而計算機更是如此，為了讓計算機之間互相交流，人們讓所有計算機都遵守一些規則，計算機的這些規則就是計算機之間的語言。
既然不同人類語言之間可以有翻譯，那麼人類和機器之間是否可以通過“翻譯”的方式來直接交流呢？NLP 就是人類和機器之間溝通的橋樑！
意味著我們需要找到一種方式將我們熟知的中文，英文和各種外文轉化成數字形式。我們只需要了解計算機如果需要理解文字的內容，就必須將文字轉換成某種數學表達形式，而一串數字絕對是最方便計算和轉換的方式了。自然語言處理中有一個典型的應用，就是翻譯。
圖1 : 文字轉數字
我們將一種語言作為輸入，一種作為輸出，使用NLP作為中間的橋樑，首先將中文通過一種壓縮機制轉碼成機器能理解的數字&，然後用中間這種數字化的語言表達形式，再通過一次英文的解壓&，解壓出來英文作為輸出語言。其實除了中翻英，同一套機制還能被用在更多的地方。
NLP 的2大核心任務:
- 自然語言理解 - NLU、NLI
自然語言理解（Natural Language Understanding）的目的在於讓系統能夠讀懂我們所輸入的資訊，讓其理解文本、語言並提取資訊，以幫助文本分類、語法分析、資訊搜索等下游任務的執行。進行 NLU 時，最小的資料單位即是字詞了，字詞組成句子，而小句子繼續組成大句子與文章，意味著使用 NLU 進行任何任務時，它最為首要的目標即是辨識字詞，就如同「我喜歡吃蘋果」的這段句子，演算法首先就必須要先區分出各個不同的詞性，再進一步的理解詞與詞之間的關係。其實從數學的角度來看，任何詞彙的組成都可以用數字去連結或標記，可以是詞彙出現的機率，也可以是通過量化詞彙所建立的語言模型。而詞嵌入（word embedding）是最常見的訓練方式，將字詞本身以不同維度的向量方式去做標記，字意較為相關的字詞，其向量距離也就越接近。
- 自然語言生成 - NLG
自然語言生成（Natural Language Generation）與自然語言理解（NLU）相反，系統的目標是要通過整合、節錄、以及萃取數據庫中的資料，以將這些機器才能讀懂的數據以自然語言的形式輸出。簡單來說即是將只有機器才能看懂的資料架構，也就是像0101010101的機器語言，轉化成人類能理解的字句，以完成如文本摘要、新聞自動化、機器翻譯等任務。
NLP 處理流程:
詞嵌入（Word Embeddings）→→→ 編碼（Encode） →→→ 注意力（Attend） →→→ 預測（Predict）
- 詞嵌入：將維數為所有詞數量的高維空間壓縮/嵌入低維空間，是連續的實數域的向量空間。把詞與詞之間的關係，也編碼進入這個向量。
- 編碼：透過 RNN 等技術將詞語向量進一步編碼，編碼成一個考慮上下文和語義的向量。
- Attention 機制：Attention 的概念為注意力，聚焦在輸入序列中被認為比較重要的詞。
- 解碼：通過全連接層將一個壓縮的向量映射到目標對象，如詞語。
評論