Natural Language Understanding (NLU) 是 自然語言處理 (NLP) 的一個子領域。
簡單來說，如果說 NLP 的目標是讓電腦能夠「處理」人類語言，那麼 NLU 則更進一步，專注於讓電腦能夠「理解」人類語言的意義、意圖和語氣。你可以這樣區分 NLP、NLU 和 NLG：
- NLP (Natural Language Processing / 自然語言處理)： 是一個總稱，涵蓋了所有讓電腦能處理人類語言的技術，從最基礎的文字處理到更深層的語義理解和生成。它關注的是如何將人類語言轉換為機器可以處理的格式。 例如：語音轉文字、斷詞、詞性標註、句法分析等。 NLU (Natural Language Understanding / 自然語言理解)： 是 NLP 的一個子集，專注於從人類語言中提取意義和意圖。它不只看文字本身，更試圖理解文字背後所表達的語義。 核心目標： 讓機器能夠理解「人說了什麼」以及「人說這句話的用意是什麼」。 主要功能： 語義分析 (Semantic Analysis)： 理解詞語和句子在語境中的含義。 意圖識別 (Intent Recognition)： 判斷用戶表達的目的或意圖（例如：「我想訂機票」的意圖是「訂機票」）。 命名實體識別 (Named Entity Recognition, NER)： 從文本中識別出人名、地名、組織名、日期、時間等具有特定意義的實體。 情感分析 (Sentiment Analysis)： 判斷文本所表達的情緒是正向、負向還是中性。 語法分析 (Syntactic Analysis)： 雖然也屬於 NLP 範疇，但 NLU 會利用語法結構來幫助理解句子含義。 NLG (Natural Language Generation / 自然語言生成)： 也是 NLP 的一個子集，與 NLU 相反。NLG 的目標是讓電腦能夠根據結構化的資料，產生出自然流暢的人類語言。 例如：將數據報表轉換成文字敘述、自動撰寫新聞稿、聊天機器人回覆等。
總結來說：
- NLP 是總括性的，包含 NLU 和 NLG。 NLU 負責「理解」：把人類語言輸入，解析其意義、意圖和上下文。 NLG 負責「生成」：把機器內部數據，轉化為人類能理解的語言輸出。
例如，當你對語音助理說：「幫我關燈。」
- NLP (語音辨識)： 先將你的語音轉換成文字「幫我關燈」。 NLU (理解意圖)： 進一步分析這句話，理解你的意圖是「控制智慧家電」，並識別出實體是「燈」，動作是「關」。 機器執行動作： 語音助理接到 NLU 的理解後，執行關燈指令。 NLG (生成回覆)： 如果需要回覆，語音助理可能會說：「好的，燈已經關閉。」
NLU 是實現真正人機對話和智能互動的關鍵技術，它解決了人類語言複雜、多義、模糊的挑戰。
