自然语言处理是计算机科学，信息工程以及人工智能的子领域，专注于人机语言交互，探讨如何处理和运用自然语言，自然语言处理的研究，较早可以说开始于图灵测试，经历了以规则为基础的研究方法，流行于现在基于统计学的模型和方法，从早期的传统机器学习方法，基于高维稀疏特征的训练方式，到现在主流的深度学习方法，使用基于神经网络的低维稠密向量特征训练模型，较近几年，随着深度学习以及相关技术的发展，NLP领域的研究取得一个又一个突破，研究者设计各种模型和方法，来解决NLP的各类问题。

　　机器学习是计算机通过模式和推理，而不是明确指令的方式，高效执行指定任务的学习算法，贝叶斯概率模型，逻辑回归，决策树，SVM，主题模型，HMM模型等，都是常见的用于NLP研究的传统机器学习算法，而深度学习是一种基于特征学习的机器学习方法，把原始数据通过简单但非线性的模块转变成更高层次，更加抽象的特征表示，通过足够多的转换组合，非常复杂的函数也能被学习。

　　如何形象地理解，在机器视觉领域会比较容易理解，深度学习通过多层神经网络依次提取出图像信息的边缘特征，简单形状特征譬如嘴巴的轮廓，更高层的形状特征譬如脸型，而在自然语言处理领域则没有那么直观的理解，我们可以通过深度学习模型学习到文本信息的语法特征和语义特征，可以说，深度学习，代表自然语言处理研究从机器学习到认知计算的进步。

　　自然语言处理可用于什么。

　　语音机器人：由于语音机器人模仿真实的对话，他们严重依赖自然语言处理技术，大多应用垂直行业模型训练，市面上除了应用于各种产品身上的还包括应用于企业客户服务上，例如沃丰科技的语音机器人，服务于企业的营销，服务，管理各个方面，做的就是垂直行业模型，根据不用行业，不同场景的词汇语音对模型进行训练。

　　客户服务：许多公司转录和分析客户通话录音，自然语言处理有助于分析这些数据，并使您能够更快地响应客户需求，例如目前市面上有智能质检的产品，例如飞鹤应用的智能质检，对其客户服务全流程的语音和文字进行质检，不当言论实时检测。