主要有以下7種應用：

1. 文字分類

文字分類Text ClassificaTIon

文字分類是指給定一個文字，預測其所屬的預定類別。

2. 語言建模

語言建模真的是一個很有趣的自然語言問題的子任務，特別是在其他一些任務的基礎上調節語言模型。

“問題是預測出給定單詞的下一個單詞。 該任務是語音或光學字元識別的基礎，也用於拼寫校正，

手寫識別和統計學的機器翻譯。

3. 語音識別

語音識別是解決如何理解人類所說的問題。

“語音識別的任務是將包含口語在內的自然語言的聲學訊號轉換成符合說話者預期的相應的單詞序列。”

4. 說明生成

說明生成是解決如何描述影象內容的問題，依照諸如照片等的數字影象生成和影象內容相關的文字描述。

說明生成的語言模型用於根據影象生成標題，一些具體的應用包括：

描述場景的內容

建立照片的標題

描述影片

5. 機器翻譯

機器翻譯是指將一種語言的源文字轉換為另一種語言。

“機器翻譯，從一種語言到另一種語言的文字或語音的自動翻譯，是NLP最重要的應用之一。”

6.文件總結

文件總結是指根據文字建立對應簡短描述的任務。其語言模型用來輸出基於完整文件的總結。

相關應用如下：

·建立文件標題。

·生成文件摘要。

7. 問題回答

問題回答是指給出一個主題（如文字文件）回答有關該主題的具體問題。

“問答系統，它透過返回相應的短語（例如位置，人物或日期）來嘗試回答以問題形式提出的使用者查詢。

例如，問題為什麼殺死肯尼迪總統？ 可能得到名詞短語奧斯瓦爾德作答案”