自然語言理解（NLU）是人工智慧的一個分支，旨在使電腦能夠理解和解釋人類語言的含義，從而執行相關任務。
容易混淆
自然語言理解 vs 自然語言處理 自然語言理解：偏看懂語意 自然語言處理：整個處理文字的領域 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
自然語言理解 vs 自然語言生成 自然語言理解：讀懂輸入 自然語言生成：產出文字 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
記住這句就好
不是認字，是讀懂意思。
實際案例
客服意圖 使用者說「我想退訂」，系統要理解這不是一般查詢，而是取消服務。
問答系統 模型要判斷問題在問時間、地點，還是比較關係。
算法與應用
NLU 常會做意圖辨識、實體辨識、關係抽取、和語意表示。 它和 NLP 的差別，在於目標更聚焦在理解，而不是整個文字處理流程。 理解通常比分類更難，因為語意有歧義，還有上下文變化。
情境判斷
Q1（直覺題）：一句「我不是不想去」到底是不是拒絕，這考驗什麼？ → 自然語言理解，因為要讀懂反諷與語氣。
Q2（判斷題）：只靠關鍵字就能完全判斷意圖嗎？ → 通常不行，很多語意要看前後文和句法。
閱讀這頁時的常見誤區
只背中英文對照，無法判斷術語的適用情境。先確認定義，再對照完整說明與相關概念，頁面中的考試比重或出題方向，必須和下方標示的資料來源一起閱讀。
相關術語
常見問題
它和 NLU 引擎一樣嗎？
常被這樣叫，但本質上還是在做語意理解任務。
它一定比分類難嗎？
通常更難，因為要抓的不只是標籤，而是語意層次。
它能單獨存在嗎？
可以，很多產品會把 NLU 當成一層核心模組。
資料來源
- AITerms.tw 術語資料庫，最後更新：2026-04-29。