一、什麼是自然語言處理呢？
自然語言處理是計算機科學家提出的名字，本質上與計算機語言學是同義的，它跨越了計算機學、語言學以及人工智能學科。
自然語言處理是人工智能的一個分支，在計算機研究領域中，也有其他的分支，例如計算機視覺、機器人技術、知識表達和推理等。
目標：讓計算機能夠理解人類語言來完成有意義的任務，例買東西或者是更高級的目標等。
下圖是人對語言層次的傳統描述：
從輸入開始，而輸入部分通常是語音輸入，接着大腦就會進行語音和音義分析。也有部分是文字輸入，而文字輸入基本上和語言學沒多大關係，OCR對文本進行文字識別操作。
自然語言處理應用的領域：
1.拼寫檢查或者是手機上的自動填寫功能屬於初級的語義理解任務
2.在線搜索時，聯想到的同義詞，例如搜索某家公司名字就會出現一大堆的推薦，也是屬於語言處理方面。
3.讓計算機能夠閱讀文字，提取信息，從而充分理解文本，或者也可以處理更高難度的任務，例如判定文檔的閱讀難度或者是目標受衆羣體等。
4.機器翻譯
5.構建口語對話系統
二、什麼是深度學習？
深度學習是機器學習的一個分支，總的來說，就是讓計算機自動學習，而不是人工教授，手工代碼告訴它想要做什麼，類似於傳統的編程。
深度學習不同於以往年代的機器學習，例如80年代、90年代或者是00年代的機器學習。
核心區別：對於大多數的機器學習而言，都是圍繞着決策樹、邏輯迴歸、樸素貝葉斯、支持向量機等概念。
本質區別：由人類來審視一個特定的問題，找出解決該類問題的關鍵要素，然後涉及出與該問題相關的重要特徵要素。通常使用python代碼來識別這些特徵。
例如下圖，顯示了一些實體識別系統的特徵：、
機器學習和深度學習的區別？
上圖中可以發現，機器學習在實際應用中，大約90%的工作是人類研究如何描述數據，總結出重要特徵，只有約10%的工作是大腦運行這一個數值優化算法。
深度學習是表徵學習的一個分支， 表徵學習的理念就是隻向電腦提供來自外界的原始信號，無論是視覺還是語言信號，然後電腦自動得出好的中間表徵，來很好地去完成任務。從某種意義上來說，就是自己定義特徵，和以往人類定義特徵類似的方式。
深度學習的真正含義是：得到了多層的習得表徵，可以打敗其他的學習方法。
深度學習主要的兩個突破：自然語言處理和計算機視覺。
三、Deep NLP=Deep Learning + NLP
一方面深度學習應用到各種不同層次的語言學上，例如詞彙學、句法學、語義學。應用於各種不同類型的工具和算法的自然語言處理，例如爲單詞標註詞性、識別人物姓名和結構名字、找出句子的句法結構。此外還被應用在其他的語言應用程序，結合各部分功能，例如機器翻譯、情感分析的聊天助手等。
深度學習模式運用同樣一套工具和技術，非常統一的方法來處理各個領域的問題。
參考資源：斯坦福大學 自然語言處理課程