NLP（Natural Language Processing ）自然語言處理：是計算機科學，人工智能和語言學的交叉領域。目標是讓計算機處理或“理解”自然語言，以執行語言翻譯和問題回答等任務。
NLU (Natural Language Understanding ) 自然語言理解：將人的語言形式轉化為機器可理解的、結構化的、完整的語義表示，通俗來講就是讓計算機能夠理解和生成人類語言。
NLG (Natural Language Generation) 自然語言生成：旨在讓機器根據確定的結構化數據、文本、音視頻等生成人類可以理解的自然語言形式的文本。
NLP
如上圖：NLP 由兩個主要的技術領域構成：自然語言理解（NLU)和自然語言生成(NLG)。主要包含的技術的技術領域如下圖：
NLU 旨在讓機器理解自然語言形式的文本內容。從 NLU 處理的文本單元來講，可以分為詞(term)、句子(sentence)、文檔(document)三種不同的類型
NLG旨在讓機器根據確定的結構化數據、文本、音視頻等生成人類可以理解的自然語言形式的文本。根據數據源的類型，NLG可以分為三類：
- Text to text NLG，主要是對輸入的自然語言文本進行進一步的處理和加工；
- Data to text NLG，主要是根據輸入的結構化數據生成易讀易理解的自然語言文本；
- Vision to text NLG，主要是給定一張圖片或一段視頻，生成可以准確描述圖片或視頻（其實是連續的圖片序列）語義信息的自然語言文本，同時 text to vision 的自動生成近幾年也有一些有趣的進展。
語議理解
自然語言理解的結果，就是要獲得一個語義表示（semantic representation），語義表示主要有三種方式：
- 分布語義（Distributional semantics）：就是把語義表示成一個向量，它的理論基礎來自於Harris的分布假設：語義相似的詞出現在相似的語境中。具體的計算方法有多種，比如LSA（Latent Semantic Analysis）、LDA（Latent Dirichlet Allocation）及各種神經網絡模型（如LSTM）等
- 框架語義（Frame semantics）：把語義用一個frame表示出來
- 模型論語義（Model-theoretic semantics）：把自然語言映射成邏輯表達式（logic form）
目前采用的語義表示是frame semantics表示的一種變形：采用領域（domain）、意圖（intent）和屬性槽（slots）來表示語義結果。 如下圖：
- 領域：是指同一類型的數據或者資源，以及圍繞這些數據或資源提供的服務，比如“餐廳”，“酒店”，“飛機票”、“火車票”、“電話黃頁”等；
- 意圖：是指對於領域數據的操作，一般以動賓短語來命名，比如飛機票領域中，有“購票”、“退票”等意圖；
- 屬性槽：用來存放領域的屬性，比如飛機票領域有“時間”“出發地”“目的地”等
chatbot 架構示例
