自然語言處理簡稱NLP是計算機科學領域與人工智能領域中的一個重要方向，從字面意思來看，Natural language應該是可以只語音和文本語言，但現在大家主流的看法，都把語言數據歸類為語音處理的范疇，因此大多數情況下，人們認為自然語言處理，是指對文字或文本的處理，我們可以認為，自然語言處理就是讓計算機讀懂人類語言，將文字轉化為可以被計算的物體，可以是數字向量，也可以是矩陣，再根據實際任務進一步處理。
NLP任務大體可以分成兩大類，一種是文本序列到文本序列及輸入文本并輸出文本，比如常見的機器翻譯和文本風格遷移，當機器翻譯指將一種語言翻譯為另一種語言文本風格遷移，只可以將負面的文本轉為正面的句子，或者對現代文與文言文的風格進行轉化；
而另一種是指序列到類別，比如情感分類、實體命名、識別等，情感分類指對文本進行分析，推理的過程，將輸入的文本劃分為正面或負面的兩種或幾種類型；
實體命名識別是指識別文本中具有特定意義的食品，比如人名、地名、機構名、專有名詞等，是一項十分重要的基礎任務，它以文本序列為輸入輸出序列上每個位置的標簽。
我們再來看一個機器人的例子，對話機器人可以分成兩種，閑聊型和任務導向型，閑聊機器人并不能給人一種在于正常人溝通的感覺，還有很多問題待解決，比如角色一致性、多輪會話、對上下文保有記憶等；未來的發展上，針對不同的人群，閑聊機器人可能還需要有一致的人格，懂常識和領域知識，有同理心任務導向的對話，機器人能夠協助人完成某件事，比如訂機票、小鬧鐘、問天氣等，我們需要一個模型，把過去已經有的歷史對話筒都輸入到一個模型中，這個模型可以輸出一個序列當作現在機器的回復，一般而言，我們會把這個模型在細分成很多模塊兒，不會是端對端的，這些模塊通常就包括自然語言理解。
NLP行動策略管理以及自然語言生成，NLP自然語言理解負責根據上下文去理解當前用戶的。一圖方便選出下一步候選的行為，如執行系統操作、澄清還是補全信息，確定好行動之后，自然語言生成模塊會生成出對其行動的回復，具體的說，會用來根據上下文來理解哪些信息是對當前任務重要的，比如訂房任務中的聯系人、入住人數、入住日期等，理解出的信息就變成一個類別，作為狀態，交給策略管理模塊，去判斷當前還有哪些信息缺失，是否需要繼續詢問，還是說信息已經全部，姑且可以執行命令，如果需要補充信息，則要根據缺失的信息去讓自然語言生成模塊生成問題。
