自然语言处理研究的基本任务是理解句子和文章的要点，推断其意图，进行人机自然交互， 实现搜索、文摘、自动问答、聊天机器人、机器翻译等多种应用。搜索引擎的成功启发我们在创新的时候，要综合考虑数据智能、知识智能和社会智能。本专题“多智能自然语言处理”以自然语言处理为例，邀请多位专家对相关科学研究方法与应用创新进行具体阐述。
专题文章：
- ●《深度学习在自然语言处理中的应用》 本文介绍了一系列在人工智能方面取得突破的深度学习方法，并在分析自然语言数据与语音图像信息差异的基础上，重点介绍了自然语言处理应用深度学习的三种基本方法，包括词汇向量化表示、语言模型和句法分析，并具体阐述了深度学习如何帮助机器翻译和情感分析来提升性能。
- ●《从问答系统看知识智能》 本文以图灵测试为引子，回顾了问答系统的发展历程，分析了实现智能问答的主要局限和智能问答突破瓶颈的关键问题——大型开放域知识库，阐述了当前智能问答的研究重点，如实体消歧、关系语义分类、问句语义解析和知识推理等，并指出了未来的研究方向。
- ●《拥抱社会智能》 以社交网络的社会关系为背景，介绍了社交网络关系和社会影响力分析等微观分析理论，重点阐述了社区发现、代表用户预测、社区信息传播分析等宏观分析方法，并结合具体案例给出利用众包实现社会智能的途径。文章指出，应利用我国社交网络用户多、研究水平高的优势发展社会智能应用，拥抱社会智能。
- ●《基于社会媒体的预测技术》 从社会媒体与社会活动的关联关系出发，系统阐述了利用社交网络进行消费意图挖掘的方法，即结合深度学习分析社交网络的短文本数据，挖掘显式及隐式消费意图；指出基于消费意图挖掘的电影票房预测模型，是利用社交网络实现社会智能的典型案例。文章还介绍了基于事件抽取和因果关系等预测方法的研究进展，认为社会媒体的智能预测具有重要的研究和应用价值。