---
title: "自然語言處理（Natural Language Processing）"
slug: natural-language-processing
language: zh-TW
source: https://aiterms.tw/terms/natural-language-processing
updated_at: 2026-04-29
tags: [自然語言處理, 機器學習, 深度學習, AI應用]
ipas_term: true
---

# 自然語言處理（Natural Language Processing）

> **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

> **Q：NLP 和 AI 是一樣嗎？**
> 不是，NLP 只是 AI 的一個分支。
>
> **Q：它一定要用深度學習嗎？**
> 不一定，傳統統計方法也屬於 NLP。
>
> **Q：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。
>
### 相關術語

> - **自然語言理解**：NLP 裡偏理解的子領域。
> - **自然語言生成**：NLP 裡偏輸出的子領域。
> - **語言模型**：現代 NLP 幾乎都會碰到。
> - **分詞**：中文 NLP 的基本前處理。
> - **語音辨識**：和 NLP 常串在同一個語言流程裡。

---

來源：https://aiterms.tw/terms/natural-language-processing
快查頁：https://aiterms.tw/terms/natural-language-processing
外部參考：https://ipd.nat.gov.tw/ipas/certification/AIAP/news/ffdba0fcdbda40baadeef2a1bdc0230e
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-natural-language-processing