以下属于自然语言处理的任务：文本翻译、机器翻译、情感分析、问答系统、文本分类、信息抽取、语义理解、文本生成。自然语言处理（NLP）的核心目标是让计算机能够理解、生成或转换人类语言，其任务直接围绕人类语言的处理展开。文本翻译与机器翻译本质相同，均涉及将一种自然语言（如中文）转换为另一种自然语言（如英文），是NLP中跨语言沟通的典型应用。机器翻译更强调自动化过程，而文本翻译是更宽泛的概念，二者均依赖语言模型和语义理解技术。情感分析旨在通过文本判断作者的情感倾向（如积极、消极），属于文本理解的细分领域。它广泛应用于社交媒体监控、产品评价分析等场景，需结合上下文语义和情感词汇库进行判断。问答系统直接模拟人类对话，通过理解用户问题并从知识库中检索或生成答案。例如智能客服、搜索引擎的“问答模式”均依赖此技术，其核心是语义匹配和逻辑推理能力。文本分类将文本归入预设类别（如新闻分类、垃圾邮件识别），是信息组织的基础任务。它通过特征提取（如关键词、句法结构）和分类算法实现，广泛应用于内容推荐和舆情分析。信息抽取从非结构化文本中提取结构化信息（如人名、地点、事件），是知识图谱构建的关键步骤。例如从新闻中提取“公司-产品-发布时间”三元组，需结合命名实体识别和关系抽取技术。语义理解是NLP的深层目标，旨在让计算机“理解”文本含义而非表面文字。例如解析“苹果公司”与“水果苹果”的区别，需依赖词义消歧、上下文推理等技术。文本生成指计算机自动生成符合语法和语义的文本（如机器写作、对话生成）。其技术基础包括语言模型和生成算法，近年来因大模型（如GPT）的发展取得突破性进展。这些任务均以人类语言为处理对象，通过算法和模型实现语言的理解、转换或生成，是自然语言处理技术的核心体现。