1. 什么是自然语言理解
大家最常听到的是 NLP，而 自然语言理解（NLU） 则是 NLP 的一部分：
自然语言理解就是希望机器像人一样，具备正常人的语言理解能力，由于自然语言在理解上有很多难点(下面详细说明)，所以 NLU 是至今还远不如人类的表现。
下面用一个具体的案例来深度说明一下自然语言理解（NLU）：
对话系统这个事情在2015年开始突然火起来了，主要是因为一个技术的普及：机器学习特别是深度学习带来的语音识别和NLU(自然语言理解)——主要解决的是识别人讲的话。
这个技术的普及让很多团队都掌握了一组关键技能：意图识别和实体提取。
这意味着什么？我们来看一个例子。
在生活中，如果想要订机票，人们会有很多种自然的表达：
可以说“自然的表达” 有无穷多的组合（自然语言）都是在代表 “订机票” 这个意图的。而听到这些表达的人，可以准确理解这些表达指的是“订机票”这件事。
而要理解这么多种不同的表达，对机器是个挑战。在过去，机器只能处理“结构化的数据”（比如关键词），也就是说如果要听懂人在讲什么，必须要用户输入精确的指令。所以，无论你说“我要出差”还是“帮我看看去北京的航班”，只要这些字里面没有包含提前设定好的关键词“订机票”，系统都无法处理。而且，只要出现了关键词，比如“我要退订机票”里也有这三个字，也会被处理成用户想要订机票。
自然语言理解这个技能出现后，可以让机器从各种自然语言的表达中，区分出来，哪些话归属于这个意图；而那些表达不是归于这一类的，而不再依赖那么死板的关键词。比如经过训练后，机器能够识别“帮我推荐一家附近的餐厅”，就不属于“订机票”这个意图的表达。并且，通过训练，机器还能够在句子当中自动提取出来“上海”，这两个字指的是目的地这个概念（即实体）；“下周二”指的是出发时间。这样一来，看上去“机器就能听懂人话啦！”。
2. 自然语言理解的应用
几乎所有跟文字语言和语音相关的应用都会用到 NLU，下面举一些具体的例子。
2.1 机器翻译
基于规则的翻译效果经常不太好，所以如果想提升翻译的效果，必须建立在对内容的理解之上。
如果是不理解上下文，就会出现下面的笑话：
2.2 机器客服
如果想实现问答，就要建立在多轮对话的理解基础之上，自然语言理解是必备的能力。
下面的例子对于机器来说就很难理解：
机器很容易理解为：那个态度恶劣/的/哥谭/市民/就冲我发火
2.3 智能音箱
智能音箱中，NLU 也是重要的一个环节。很多语音交互都是很短的短语，音箱不但需要能否识别用户在说什么话，更要理解用户的意图。
用户并没有提到空调，但是机器需要知道用户的意图——空调有点冷，需要把温度调高。
3. 自然语言理解的难点
下面先列举一些机器不容易理解的案例：
- 校长说衣服上除了校徽别别别的
- 过几天天天天气不好
- 看见西门吹雪点上了灯，叶孤城冷笑着说：“我也想吹吹吹雪吹过的灯”，然后就吹灭了灯。
- 今天多得谢逊出手相救，在这里我想真心感谢“谢谢谢逊大侠出手”
那么对于机器来说，NLU 难点大致可以归为5类。
