自然语言理解系统输出鉴于真实地理解自然语言是十分困难的，对系统并不要求能对自然语言文本进行深层的理解，但要能从中抽取有用的信息

例如，对自然语言文本进行自动地提取索引词，过滤，检索，自动提取重要信息，进行自动摘要等等

同时，由于强调了“大规模”，强调了“真实文本”，下面两方面的基础性工作也得到了重视和加强

（1）大规模真实语料库的研制

大规模的经过不同深度加工的真实文本的语料库，是研究自然语言统计性质的基础

没有它们，统计方法只能是无源之水

（2）大规模、信息丰富的词典的编制工作

规模为几万，十几万，甚至几十万词，含有丰富的信息（如包含词的搭配信息）的计算机可用词典对自然语言处理的重要性是很明显的

虽然上述新趋势给自然语言处理领域带来了成果，但从理论方法的角度看，由于采集、整理、表示和有效应用大量知识的困难，这些系统更依赖于统计学的方法和其他“简单”的方法或技巧

而这些统计学的方法和其他“简单”的方法似乎也快达到它们的极限了，因此，眼下在自然语言处理界广泛争论的一个问题便是：要取得新的更大的进展，主要有待于理论上的突破呢，还是可由现有的方法的完善和优化实现？答案还不清楚

大致上，更多的语言学家倾向于前一种意见，而更多的工程师则倾向于后一种意见

回答或许在“中间”，即应将基于知识和推理的深层方法与基于统计等“浅层”方法结合起来

自然语言处理理论上的一种突破就是自然语言的实质理解，关于自然语言真正理解的研究已取得进展

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。