---
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: 2026-07-29
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。
>

### 中英對照與常見說法

| 說法 | 出現場合 |
| --- | --- |
| 自然語言處理 | 台灣正式用語 |
| 自然语言处理 | 簡體寫法，簡體資料的標準用語 |
| Natural Language Processing | 英文原名 |
| NLP | 標準縮寫，注意這個縮寫在心理學領域另指神經語言程式學，是完全不同的東西 |
| 自然語言理解（NLU）／自然語言生成（NLG） | 自然語言處理底下的兩個子領域，前者管讀懂，後者管寫出 |

### 這個領域包含哪些任務

| 層次 | 代表任務 |
| --- | --- |
| 詞彙層 | 斷詞、詞性標註、詞幹還原、命名實體識別 |
| 句法層 | 依存句法分析、成分句法分析 |
| 語意層 | 語意角色標註、指代消解、情感分析 |
| 語用與應用層 | 機器翻譯、摘要、問答、對話、檢索 |

> 中文的處理跟英文有一個關鍵差異：**中文沒有空格分詞**。英文靠空格就能切出詞，中文得先做斷詞，而斷詞本身就是一個容易出錯的任務（「研究生命起源」可以切成「研究生／命／起源」或「研究／生命／起源」）。這也是為什麼子詞切分（subword tokenization）對中文特別重要。

### 從規則到大型語言模型的三個階段

> **規則時期（1950 到 1990 年代）**：語言學家手寫文法規則與詞典。優點是可解釋、可控，缺點是覆蓋不了語言的無窮變化，維護成本隨規則數量爆炸。
>
> **統計與機器學習時期（1990 到 2013 年前後）**：改用標註語料訓練統計模型，代表方法有隱馬可夫模型、條件隨機場、以及統計式機器翻譯。這時期的主力工作是特徵工程。
>
> **深度學習與預訓練時期（2013 年之後）**：先是詞向量（word2vec、GloVe）讓詞有了連續的語意表示，接著循環神經網路與注意力機制處理序列，2017 年 Transformer 架構問世後，預訓練加微調成為標準流程，再演進到現在的大型語言模型。
>
> 現在的實務分工大致是：需要生成、需要跨任務彈性，用大型語言模型；需要低延遲、低成本、固定輸出格式的分類與抽取，用小型編碼器模型微調仍然更划算。

### 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：2026/07/29
深度解說：https://aiterms.tw/learning/what-is-natural-language-processing