Xử lý ngôn ngữ chính là xử lý thông tin khi đầu vào là “dữ liệu ngôn ngữ”
(dữ liệu cần biến đổi), tức dữ liệu “văn bản” hay “tiếng nói”. Các dữ liệu liên quan
đến ngôn ngữ viết (văn bản) và nói (tiếng nói) đang dần trở nên kiểu dữ liệu chính
con người có và lưu trữ dưới dạng điện tử. Đặc điểm chính của các kiểu dữ liệu này
là không có cấu trúc hoặc nửa cấu trúc và chúng không thể lưu trữ trong các khuôn
dạng cố định như các bảng biểu. Theo đánh giá của công ty Oracle, hiện có đến
80% dữ liệu không cấu trúc trong lượng dữ liệu của loài người đang có [Oracle
Text]. Với sự ra đời và phổ biến của Internet, của sách báo điện tử, của máy tính cá
nhân, của viễn thông, của thiết bị âm thanh, người người ai cũng có thể tạo ra dữ
liệu văn bản hay tiếng nói. Vấn đề là làm sao ta có thể xử lý chúng, tức c huyển
chúng từ các dạng ta chưa hiểu được thành các dạng ta có thể hiểu và giải thích
được, tức là ta có thể tìm ra thông tin, tri thức hữu ích cho mình.
