你有沒有想過，電腦怎麼從人話裡抓出意思？ 你可以把它想成讓機器學會讀、寫、切詞、分類、抽資訊，像在處理一整套語言工作。 自然語言處理是把文字變成可計算資料的總稱，從分詞到理解，再到生成都屬於它。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
容易混淆
自然語言處理 vs 自然語言理解 自然語言處理：整個大領域 自然語言理解：偏理解語意的子領域 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
自然語言處理 vs 語音辨識 自然語言處理：處理文字 語音辨識：先把聲音轉成文字 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
記住這句就好
人話要先變成電腦看得懂的資料。
實際案例
搜尋引擎 把查詢切詞、去停用詞、理解意圖，找出最相關頁面。
客服系統 把使用者輸入分成意圖、實體、和回覆內容，再走後續流程。
算法與應用
NLP 的工作鏈很長，常包含文字前處理、特徵表示、理解、與生成。 現代 NLP 幾乎都離不開語言模型。 它的難點在語意、上下文、歧義和跨語言差異。
情境判斷
Q1（直覺題）： 你要讓系統看懂一句中文並判斷意圖，這屬於什麼？
自然語言處理，因為核心是讓機器處理人類語言。
Q2（判斷題）： 如果一個系統只有文字輸入，沒有聲音，也沒有影像，還算 NLP 嗎？
算，NLP 的主要對象就是文字與語言結構。
iPAS 考題
Q：自然語言處理最常做的事情有哪些？ → 分詞、分類、資訊抽取、問答、生成，核心是把人話變成可計算的資料。
Q：為什麼中文 NLP 一開始常先做分詞？ → 因為中文沒有明確空格切詞，電腦需要先把句子切成可處理的單位。
常見問題
NLP 和 AI 是一樣嗎？
不是，NLP 只是 AI 的一個分支。
它一定要用深度學習嗎？
不一定，傳統統計方法也屬於 NLP。
分詞為什麼常被提到？
因為它是中文 NLP 最基礎的前處理步驟之一。