如果單從NLP縮寫包含很多方面：
有數學的非線性規劃（Non-linear programming）醫學的無光感（No light perception）心理學的 神經語音規劃 （Neuro-linguistic programming）計算機科學與語言學轉換的領域（natural language processing）
這裡指的是計算機科學與語言學轉換的領域。（NLP）是人工智慧和語言學領域的分支學科。（人工智慧主要包含以下幾個方面： 自動推理-計算語言學-計算機視覺-進化計算-專家系統-自然語言處理-機器人學）自然語言處理（NLP）是資訊時代最重要的技術之一。理解複雜的語言也是人工智慧的重要組成部分。NLP的應用無處不在，因為人們用語言進行大部分溝通：網絡搜索，廣告，電子郵件，客戶服務，語言翻譯，發布學報告等等。NLP應用背後有大量的基礎任務和機器學習模型。
什麼是自然語言處理
NLP是計算機以一種聰明而有用的方式分析，理解和從人類語言中獲取意義的一種方式。通過利用NLP，開發者可以組織和構建知識來執行自動摘要，翻譯，命名實體識別，關係提取，情感分析，語音識別和話題分割等任務。
自然語言處理如何工作
目前NLP的方法是基於深度學習，這是一種AI，它檢查和使用數據中的模式來改善程序的理解。深度學習模型需要大量的標記數據來訓練和識別相關的相關性，匯集這種大數據集是當前NLP的主要障礙之一。早期的NLP方法涉及更基於規則的方法，在這種方法中，簡單的機器學習算法被告知要在文本中查找哪些單詞和短語，並在這些短語出現時給出特定的響應。但深度學習是一個更靈活，直觀的方法，在這個方法中，算法學會從許多例子中識別說話者的意圖，就像孩子如何學習人類語言一樣。
自然語言應用
NLP算法通常基於機器學習算法。NLP可以依靠機器學習來自動學習這些規則，而不是手工編碼大量的規則集，通過分析一系列的例子（如，一個大的資料庫，像一本書，直到一堆句子的集合），並且做一個靜態的推論。一般來說，分析的數據越多，模型越精確。社交媒體分析是NLP使用的一個很好的例子。品牌在線跟蹤對話以了解客戶的意見，並洞悉用戶行為。
開源的NLP庫
Apache OpenNLP：一種機器學習工具包，提供標記器，句子分段，詞性標註，命名實體提取，分塊，解析，共參考解析等等。自然語言工具包（NLTK）：提供用於處理文本，分類，標記化，詞法分析，標記，解析等模塊的Python庫。斯坦福的NLP：一套NLP工具，提供詞性標註，命名實體識別器，共識解析系統，情感分析等等。
視頻資料查找
史丹福大學NLP - Dan Jurafsky＆Chris Manning教授自然語言處理 - 密西根大學 （IIT Bombay計算機科學與工程系Pushpak Bhattacharyya教授的自然語言處理）自然語言理解：基礎和藝術 西蒙斯學院自然語言處理導論 - 劍橋編碼學院
處理的主要範疇
文本朗讀（Text to speech）/語音合成（Speech synthesis）語音識別（Speech recognition）中文自動分詞（Chinese word segmentation）詞性標註（Part-of-speech tagging）句法分析（Parsing）自然語言生成（Natural language generation）文本分類（Text categorization）信息檢索（Information retrieval）信息抽取（Information extraction）文字校對（Text-proofing）問答系統（Question answering）機器翻譯（Machine translation）自動摘要（Automatic summarization）文字蘊涵（Textual entailment）
使用NLP構建您自己的RSS閱讀器
可以使用以下算法在30分鐘內構建機器學習RSS閱讀器：
ScrapeRSS從RSS提要中獲取標題和內容；Html2Text保留重要的文本，但從文檔中去除所有的HTML；AutoTag使用潛在的Dirichlet分配來識別文本中的相關關鍵字；情感分析然後用來確定文章是積極的，消極的還是中立的；Summarizer終於被用來識別關鍵句子。
本文參考資料
WikipediaThe Stanford NLP GroupCourseraMatt KiserMargaret Rouse